10.3778/j.issn.1673-9418.1908002
基于CNN多层面二阶特征融合的肺结节分类
肺部CT图像具有切片数量巨大,肺结节在图像中的位置和形状各异,且肺结节周围环境复杂等特点,传统肺结节检测方法通常只利用肺结节形状、灰度等特征,肺结节特征信息利用率低,且没有完全考虑肺结节细粒度特征信息.为此提出了基于卷积神经网络多层面二阶特征融合模型(CMSFF).采用卷积神经网络对同一结节的多层切面分别进行特征提取,通过两个阶段的特征融合,充分考虑肺结节的细粒度特征,实现对肺结节特征信息的准确提取.实验表明,该方法提取到的肺结节特征信息在肺结节恶性程度分类中AUC值达到0.924,能有效提高肺结节恶性程度分类准确率.
CT图像、肺结节、特征提取、卷积神经网络(CNN)
14
TP391.41(计算技术、计算机技术)
The National Natural Science Foundation of China under Grant Nos. 81860318, 81560296 国家自然科学基金
2020-09-14(万方平台首次上网日期,不代表论文的发表时间)
共12页
1590-1601