基于深度信念网络的肺结节图像自动识别方法

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4 000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40 000.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.

关键词：深度信念网络、肺结节、CT图像、虚拟样本扩充

所属期刊栏目：41

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：265-270