标题:基于深度信念网络的肺结节图像自动识别方法
作者:宋尚玲;李夏;贾红英;杨阳
作者机构:[宋尚玲;贾红英]山东大学第二医院,济南250033,中国.;[李夏;杨阳]山东大学信息学院,济南250100,中国
来源:国际生物医学工程杂志
出版年:2018
期:03
页码:265-270
关键词:深度信念网络;肺结节;CT图像;虚拟样本扩充;
摘要:目的提出一种基于深度信念网络(DBN)的自动识别肺结节的方法,以提高肺结节的检测准确性。方法为满足DBN的训练样本需求,建立了由专业医生判别的4000张肺结节图像组成的数据库,并使用虚拟样本技术对样本数据库进行了扩充,其中通过对人工判读的感兴趣区域(ROI)进行旋转、缩放、平移或平移、缩放、旋转、复合中2种或以上的组合操作生成新的样本。最后,将样本库中的部分样本输入卷积神经网络分类器,通过优化网络参数,输出疑似肺结节所在的ROI。结果使用虚拟样本扩充的方法将训练样本库的样本量扩展为40000。基于该方法获取的训练数据库,DBN识别肺结节的检测准确率为90%,假阳性率为0.4%。结论虚拟样本技术可有效提高训练数据库的建立效率。采用基于DBN的CAD技术检测肺结节的准确性较高,可使医生只重点关注检测出有肺结节的区域,从而有效提升医生的诊断效率。
资源类型:期刊论文
原文链接:http://lib.cqvip.com/qk/92870A/201803/675905438.html
TOP