CT影像识别的卷积神经网络模型

摘要：

针对传统分类方法分割精度低、特征提取耗时等问题,构建一个适用于CT肺结节良恶性分类的卷积神经网络模型.首先确定网络深度、卷积核数目和卷积核大小等参数,构建卷积神经网络初始模型;然后选择激活函数类型、学习率和学习率衰减策略等训练参数;最后提出对感兴趣区域划分局部子区域的方式增强样本进行训练.在LIDC-IDRI数据集上进行实验的结果表明,准确率、特异性、敏感性及AUC值分别达到92.50％,0.91,0.94和0.93;对恶性结节的识别能力明显优于其他网络模型.

关键词：卷积神经网络、肺部CT、图像分类、局部子区域

所属期刊栏目：30

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61373100;山西省回国留学人员科研资助项目2016-038

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：1530-1535