融合卷积神经网络和流形学习的肺结节检测

摘要：

U-net是常用的医学图像分割网络,但仍存在卷积神经网络中泛化能力差、容易过拟合的缺点.针对其缺点,研究全卷积肺结节分割网络,引入随机失活层,采用新的激活函、损失函数、优化器等改进网络结构,改进后的网络具有更高的查全率.然后融合改进重构权值的局部线性嵌入算法对特征进行提取,最后采用XGBoost分类器进行最后的筛选分类.通过实验验证表明,得到实融合以上两种算法的肺结节检测具有更高的准确率更高的准确率和更好的泛化性,可以应用于肺结节检测.

关键词：U-net、局部线性嵌入、卷积神经网络、肺结节检测

所属期刊栏目：21

分类号：TP391.7(计算技术、计算机技术)

资助基金：国家自然科学基金;天津自然科学基金;河北省重点科研项目

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：260-268