10.3969/j.issn.1006-9348.2022.04.090
基于改进DenseNet网络的肺结节检测仿真
针对目前基于神经网络的肺结节检测算法存在准确度低、耗时长的问题,提出了一种基于改进DenseNet网络的肺结节检测模型,通过在稠密神经网络的稠密块中采用分组卷积的方式来优化网络结构,减少网络参数的同时丰富了提取图像特征数量,避免卷积过程中梯度消失问题,提高了肺结节检测效率.之后将模型在LIDC-IDRI数据集上进行仿真,从参数量,准确率,AUC值三个方面进行评判仿真.仿真结果表明,与对比的基于深度神经网络的肺结节良检测模型相比,提出的方法提高了神经网络性能,有更高的分类准确率,准确率达到了92.4%.
稠密卷积网络、肺结节、良恶性分类、分组卷积
39
TP391(计算技术、计算机技术)
国家自然科学基金;山西省基础研究计划项目
2022-05-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
459-464