基于卷积神经网络的肾脏占位CT图像的良恶性分类研究

摘要：

目的 探讨基于卷积神经网络(CNN)的肾脏占位CT图像良恶性分类方法的可行性及应用价值.方法 运用一种能够自动学习CT图像特征并分类的影像组学方法,先利用由大规模自然图像训练得到的CNN模型迁移学习肾脏占位CT图像的特征,再通过模型全连接层的精细调整来实现肾脏占位性CT图像的良恶性分类.结果 VGG19模型分类的各个评价指标低于ResNet50和Inception V3模型,且训练结果有较为明显的过拟合.Inception V3模型的准确率、灵敏度和阴性预测值分别为93.8％、99.5％、99.1％,均高于ResNet50模型.结论 基于CNN的肾脏占位CT图像良恶性分类方法合理、可行,且精细调整后的Inception V3模型的分类效果更好.

关键词：卷积神经网络、迁移学习、肾脏占位、CT图像、良恶性分类

所属期刊栏目：41

在线出版日期：2018-12-20（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：417-422