10.3778/j.issn.1002-8331.1809-0190
融合多维度卷积神经网络的肺结节分类方法
针对CT图像肺结节分类任务中分类精度低,假阳性高的问题,提出了一种加权融合多维度卷积神经网络的肺结节分类模型,该模型包含两个子模型:基于二维图像的多尺度密集卷积网络模型,以捕获更宽泛的结节变化特征并促进特征重用;基于三维图像的三维卷积神经网络模型,以充分利用结节空间上下文信息.使用二维和三维CT图像训练子模型,根据子模型分类误差计算其权重,对子模型分类结果进行加权融合,得到最终分类结果.该模型在公共数据集LIDC-IDRI上分类准确率达到94.25%,AUC值达到98%.实验结果表明,加权融合多维度模型可以有效地提升肺结节分类性能.
肺结节分类、卷积神经网络、深度学习、多维度、加权融合、CT图像
55
TP391.41(计算技术、计算机技术)
国家自然科学基金61572344;虚拟现实技术与系统国家重点实验室开放基金BUAA-VR-17KF-14;虚拟现实技术与系统国家重点实验室开放基金VRLAB2018B07;山西省回国留学人员科研资助项目2016-038
2020-01-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
171-177