基于双模态深度自编码的孤立性肺结节诊断方法

摘要：

近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像.为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法.首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;然后,以候选结节的PET/CT图像作为整个深度自编码网络的输入,并对高层信息进行学习;最后,采用融合策略对多种特征进行融合并将其作为整个框架的输出.实验结果表明,提出的方法可以达到92.81％的准确率、91.75％的敏感度和1.58％的特异性,且优于其他方法的诊断性能,更适用于肺结节良/恶性的辅助诊断.

关键词：降噪自编码、双模态、深度学习、极限学习机、肺结节辅助诊断

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家科学自然基于医学影像结构和功能混合特征的周围型肺癌计算机辅助诊断方法61373100;北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金BUAA-VR-17KF-14,BUAA-VR-17KF-15;山西省回国留学人员科研资助项目2016-038

在线出版日期：2017-10-11（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：312-317