基于改进深度卷积对抗生成网络的肺结节良恶性分类

摘要：

为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型.将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备肺结节等级分类能力.在判别过程中运用半监督FCM聚类方法,对输入肺结节图像进行特征提取和量化,将输出的当前图像所属类别概率及判别结果与真实结果进行比较来调整网络参数.通过设定加权损失函数最大概率提高模型识别准确率,训练得出具有良好鲁棒性的网络模型.实验结果表明,改进模型的判别器网络具有良好的肺结节良恶性分类能力,准确率高达90.96％.

关键词：良恶性分类、卷积神经网络、特征量化、深度卷积对抗生成网络、半监督模糊C均值方法

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金项目"基于高通量测序数据的启动子模式识别及调控功能研究"61601110

在线出版日期：2021-02-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：262-269