面向甲状腺结节良恶分类的cRes-GAN算法

摘要：

针对甲状腺结节良恶性分类问题,设计建立了条件限制残差生成对抗网络(cRes-GAN)算法.利用DICOM格式的1 501 份甲状腺结节数据建立了数据集,并且在该数据集上进行测试得到算法分类正确率为92 .2%.将cRes-GAN与Hog+随机森林、ResNet18,Res18GAN,ACGAN等其他4 种算法相比,其分类正确率分别提升了24.8%,10.0%,12.6%和25.3%,分类效果得到了显著提升.所设计的算法可为医生的甲状腺结节良恶性诊断提供有效的辅助建议.

关键词：甲状腺结节、图像分类、生成对抗网络、cRes-GAN

所属期刊栏目：38

分类号：TP391.7(计算技术、计算机技术)

资助基金：国家自然基金面上项目;上海市科学技术委员会项目;上海市黄浦区科研新项目;医工交叉项目;上海市卫计委项目

在线出版日期：2020-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：6-10