一种用于肺结节恶性度分类的生成对抗网络

摘要：

针对肺结节数据集中良恶性样本数比例失衡的问题,首次引入深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)模型,该模型根据输入的肺结节图像,生成与输入图像具有相似纹理特征的肺结节并将生成图像用于训练DCGAN模型.此外,将图像来源分类问题改为图像来源分类和肺结节等级1～5分类问题,从而增强了DCGAN模型的抗噪能力和实现了DCGAN模型对肺结节的等级分类.实验表明,改进的DCGAN中G模型在生成图像时具有良好的抗噪能力且生成图像中大约有90.42％ 的图像判别为真实图像,D模型对肺结节图像的等级分类具有较好的判别能力且肺结节等级分类准确率为70.89％,肺结节良恶性分类准确率为80.13％.

关键词：肺结节、深度卷积生成对抗网络(DCGAN)、纹理特征、改进DCGAN、肺结节等级分类

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划项目2012BAH82F04

在线出版日期：2018-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1556-1561