10.12068/j.issn.1005-3026.2022.01.004
基于生成对抗网络的肺结节良恶性诊断算法
针对实性肺结节CT影像数据量少、人工标注耗时耗力等问题,提出一种结合生成对抗网络和集成学习的实性肺结节良恶性计算机辅助诊断方法.首先,使用基于梯度惩罚的生成对抗网络对肺结节CT影像数据集进行扩充,缓解由数据量少、样本类别不均衡导致的模型过拟合.然后,利用卷积神经网络进行CT影像特征提取,并通过主成分分析对深度特征进行降维.最后,联合CT图像特征和有效临床信息,采用集成学习方法构建分类模型预测实性肺结节良恶性.基于多中心临床数据分析表明,相比于传统卷积神经网络模型,所提出方法有更好的预测性能.
实性肺结节;肺腺癌;计算机断层扫描;生成对抗网络;集成学习
43
TP391.41(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;广东省基础与应用基础研究项目
2022-03-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
24-32