基于密集网络改进的肺结节良恶性分类模型

摘要：

目的 探讨改进后的卷积神经网络模型对肺结节进行良恶性分类的准确率.方法 以分类模型密集网络(DenseNet)为基础模型,采用中间密度投影方法将肺结节的三维信息输入卷积神经网络进行训练,并针对肺结节良恶性分类问题适应性改进神经网络结构,将传统损失函数Cross Entropy Loss替换为Focal Loss,使网络能着重学习难以分辨的肺结节.结果 改进后神经网络模型对良恶性肺结节分类的准确率为89.93％,曲线下面积为0.947.结论 适应性改进后的卷积神经网络模型判断良恶性肺结节准确率较高.

关键词：深度学习、肺结节、良恶性分类、肺部图像数据库联盟

所属期刊栏目：34

分类号：TP391.4;R563(计算技术、计算机技术)

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：1104-1109