10.19678/j.issn.1000-3428.0053887
多任务自主学习的肺癌诊断方法
针对实际任务中肺部CT图像标注数据集稀少的问题,提出一种基于自主学习的U-Net模型与C3D多任务学习网络相结合的肺癌诊断方法.对LUNA16数据集和DSB数据集进行预处理,确保切片图像体素、方向一致,利用C3D多任务学习网络模型构建肺结节检测模型,使用165张LUNA16的切片图像和161张DSB的切片图像训练改进的U-Net网络模型,并采用自主学习方式扩充标注样本,构建肿块检测模型.在此基础上,综合结节与肿块检测结果得到最终的肺癌诊断结果.实验结果表明,该方法的肺癌检测精度为85.3%±0.3%,达到了监督学习策略的检测精度.
肺结节检测、肺肿块检测、肺部CT图像、自主学习、多任务学习
46
TP391(计算技术、计算机技术)
国家自然科学基金61877055,61503342
2020-04-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
292-297,303