联合生成对抗网络的肺结节良恶性分类模型
针对传统的肺癌诊断方法存在误诊、错诊的情况,提出一种新的方法对肺结节CT图像进行良恶性分类,该方法联合了无监督学习的生成对抗网络与有监督学习的卷积神经网络.首先,利用生成对抗网络特性,提出融合DCGAN与WGAN-GP的生成对抗网络,并使用渐进式的训练模式生成了清晰的图像作为扩充样本(1 000幅).接着,与真实样本(1 400幅)输入至卷积神经网络中进行训练,使用真实样本(600幅)对模型进行测试.最终,该联合模型对肺部CT图像结节良恶性分类的准确率、敏感性、特异性与AUC值分别达到了96.5%、96.67%、96.33%与0.953,并设计相关的参照实验,验证了利用生成对抗网络的生成样本对提高肺结节良恶性分类模型能力的可行性与有效性.
生成对抗网络、卷积神经网络、肺结节、良恶性分类
41
TP391;TH9(计算技术、计算机技术)
佛山广工大研究院创新创业人才团队计划项目20191108
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
188-197