-
题名基于改进深度卷积对抗生成网络的肺结节良恶性分类
被引量：4
- 1
-
-
作者
李莉
张浩洋
乔璐
-
机构
东北林业大学软件工程系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第12期262-269,共8页
-
基金
国家自然科学基金青年科学基金项目“基于高通量测序数据的启动子模式识别及调控功能研究”(61601110)。
-
文摘
为提高肺结节良恶性识别的准确率,构建改进深度卷积对抗生成网络(DCGAN)框架与半监督模糊C均值(FCM)聚类结合的SFDG肺结节良恶性识别模型。将带有良恶性等级标签的肺结节图像输入到DCGAN框架,使得只有来源分类能力的判别器网络同时具备肺结节等级分类能力。在判别过程中运用半监督FCM聚类方法,对输入肺结节图像进行特征提取和量化,将输出的当前图像所属类别概率及判别结果与真实结果进行比较来调整网络参数。通过设定加权损失函数最大概率提高模型识别准确率,训练得出具有良好鲁棒性的网络模型。实验结果表明,改进模型的判别器网络具有良好的肺结节良恶性分类能力,准确率高达90.96%。
-
关键词
良恶性分类
卷积神经网络
特征量化
深度卷积对抗生成网络
半监督模糊C均值方法
-
Keywords
benign and malignant classification
Convolutional Neural Network(CNN)
feature quantization
Deep Convolutional Generative Adversarial Network(DCGAN)
semi-supervised Fuzzy C Means(FCM)method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的肺结节自动检测算法
被引量：6
- 2
-
-
作者
李莉
乔璐
张浩洋
-
机构
东北林业大学软件工程系
-
出处
《计算机应用与软件》
北大核心
2020年第7期95-100,共6页
-
基金
国家自然科学基金青年科学基金项目(61601110)。
-
文摘
为实现肺结节在CT影像中的有效精准识别,降低因医生水平差异造成的漏检、错检现象,提出一种基于深度学习的肺结节自动检测算法。使用阈值法、区域增长算法及形态学处理的方法获得候选结节区域;设计多尺度卷积神经网络模型,自动提取不同大小的肺结节在CT影像中呈现出的征象信息,避免由于单一尺度学习不全面引发的漏检现象;将肺结节的平面信息与其空间信息共同作为判定结节的标准,有效排除由于肺内无关组织干扰造成的错检。实验结果表明,算法准确率达到94.4%,敏感度可达96.24%。
-
关键词
深度学习
多尺度卷积神经网络
CT影像
肺结节检测
-
Keywords
Deep learning
Multiscale convolutional neural network
CT image
Pulmonary nodule detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名结合FPN改进R-FCN的肺结节检测算法
被引量：6
- 3
-
-
作者
李莉
乔璐
张浩洋
-
机构
东北林业大学软件工程系
-
出处
《计算机应用与软件》
北大核心
2022年第4期179-184,共6页
-
基金
国家自然科学基金青年科学基金项目(61601110)。
-
文摘
针对目前肺结节检测算法在CT影像中存在的检出率低、假阳性高及体积较小的结节难以检测的问题,提出结合特征金字塔FPN(Feature Pyramid Networks)改进R-FCN(Region-based Fully Convolutional Networks)的肺结节检测算法。对传统R-FCN算法加以改进,将ResNet(Residual Neural Network)结构升级为DenseNet(Dense Convolutional Network)利用其密集连接机制以加强特征的传播复用,提升网络效率;引入FPN结构,一方面用于生成不同尺度的特征作为RPN(Region Proposal Network)网络的输入以生成候选区域,另一方面在检测时可以综合利用低层特征的高分辨率信息与高层特征的高语义信息,从而有效解决体积较小结节难以定位的问题。改进网络将使用focal loss作为损失函数以解决训练过程中正负样本不均衡的问题。实验结果显示,所提算法的CPM为0.876,检测精度有效提升。
-
关键词
肺结节检测
CT影像
R-FCN
特征金字塔
-
Keywords
Lung nodule detection
CT image
R-FCN
Characteristic pyramid
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
