基于多特征广义深度自编码的肺结节诊断方法

摘要：

针对基于深度学习的肺结节良恶性分类诊断中由于学习到的肺结节特征不够全面引起的分类准确率不高问题, 提出一种基于多特征广义深度自编码的肺结节诊断方法.通过预处理构建肺结节图像的3种数据集作为输入;将流形学习引入基于极限学习机的深度自编码中, 形成无监督广义深度自编码, 利用该网络逐层提取特征;通过不同的融合策略对肺结节, 进行良恶性分类.实验结果表明, 该方法可以有效提高分类性能, 肺结节分类的准确率达到94.72％.

关键词：肺结节、多特征、极限学习机、流形学习、自编码、良恶性分类

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61373100;虚拟现实技术与系统国家重点实验室开放基金项目BUAA-VR-16KF-13、BUAA-VR-17KF-15;山西省回国留学人员科研基金项目2016-038

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：154-160