融合多尺度决策的肺结节分类研究

摘要：

计算机辅助算法在医学图像疾病诊断中发挥着重要作用,一套准确的诊断系统是极其重要的.虽然现有肺结节分类模型性能已经有了很大提升,但在提取特征、提高准确率和降低假阳率方面存在不足.为了解决深度学习网络结构与肺结节图像的匹配问题,将3D多尺度作为输入,以DPN作为主干网络,能够更有效地提取图像特征信息,文中构造一种多尺度决策层融合网络模型,来区分肺结节的恶性和良性,该模型能够从原始图像中自动提取全面的图像特征.在肺图像数据库联盟图像采集(LIDC-IDRI)数据库上进行了一系列实验,结果表明,所提出的多尺度决策融合模型准确率要高于其他分类模型,具有良好的稳定性和鲁棒性.

关键词：多尺度、DPN、决策层融合、稳定性、鲁棒性

所属期刊栏目：30

分类号：TN957.52

资助基金：赛尔网络下一代互联网技术创新项目NGI120180311

在线出版日期：2022-11-24（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：188-193