10.19678/j.issn.1000-3428.0053340
基于深度迁移学习的肺结节辅助诊断方法
在肺癌早期筛查过程中,人工诊断胸部 CT扫描图像费时费力,而深度学习网络缺乏足够的医学数据进行训练.为此,提出一种渐进式微调(PFT)策略,将其应用于深度迁移学习网络以辅助诊断肺结节良恶性.利用神经网络在粗粒度的自然图像大数据集中学习特征知识,经重构网络分类层将所学到的特征信息迁移至肺结节的细粒度小数据集.采用 PFT策略从全连接分类层开始,逐层释放、微调训练卷积层直至所有网络层,并通过定量分析各层微调后肺结节良恶性分类的 AUC 值,确定最佳微调深度.此外,采用梯度加权类激活映射图和 t-SNE算法为网络预测结果提供相应的视觉支持与解释.在 LIDC 数据集中的实验结果表明,该方法对肺结节良恶性诊断的准确率可达91.44%,其 AUC 值为0.962 1.
迁移学习、卷积神经网络、医学图像分类、计算机辅助诊断、肺结节诊断
46
TP183(自动化基础理论)
四川省军民融合研究院开放基金;四川省科技创新苗子工程重大项目
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
271-278