基于CT影像数据和改进降噪自编码器的肺结节生长预测模型

摘要：

为提高患者肺结节疾病诊断的准确率,提出一种基于改进降噪自编码器(denoising auto-encoder,DAE)的三维肺结节CT图像预测方法.其中,采用面绘制法对肺结节CT图像进行三维体素重建,以获取三维肺结节图像,采用热核特征表示方法表征三维肺结节低层特征,最后采用改进的DAE网络对肺结节进行预测,以实现肺结节CT影像的精准预测.仿真结果表明,相较于标准的DAE模型和深度信念网络(deep belief network,DBN)、金字塔匹配(intrinsic pyramid matching,ISPM)、降调距离矩阵方法(reduced Bi-harmonic distance matrix,RBiHDM),本研究提出的方法对二维数据和三维数据的识别准确率分别达到81.2％和96.2％,具有更高的准确性.由此得出,改进降噪自编码器可识别肺结节影像,更好的辅助医师诊断.

关键词：肺结节预测、CT影像、三维体素重建、热核特征

所属期刊栏目：21

分类号：TP39(计算技术、计算机技术)

在线出版日期：2023-08-07（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：56-62