基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型

论文摘要

目的介绍卷积神经网络方法,并将其应用于肺部多模态图像进行肺结节良恶性分类。方法基于肺部PET-CT多模态图像,分析临床信息与卷积神经网络的结合并与机器学习支持向量机方法作效果对比。结果 52名患者的323张结节图像纳入研究。研究表明,模型中纳入临床信息能够改进模型的分类效果,准确率、灵敏度、特异度分别为0.913、0.942、0.417;在与支持向量机模型的对比分析中,卷积神经网络模型特异度较低为0.417,而灵敏度达到0.942;支持向量机模型灵敏度较低为0.570,而特异度达到0.927。结论基于肺部PET-CT多模态图像进行肺结节良恶性判别,卷积神经网络能够获得较高的灵敏度。

论文目录

文章来源

类型: 期刊论文

作者: 武志远,马圆,唐浩,姚二林,郭秀花

关键词: 卷积神经网络,融合图像,肺结节,计算机辅助诊断

来源: 中国卫生统计 2019年06期

年度: 2019

分类: 医药卫生科技,信息科技

专业: 肿瘤学,计算机软件及计算机应用,自动化技术

单位: 首都医科大学公共卫生学院卫生统计学系,中国科学院计算技术研究所

基金: 国家自然科学基金(81773542),北京市自然科学基金资助项目(Z160002)

分类号: R734.2;TP183;TP391.41

页码: 806-808+813

总页数: 4

文件大小: 259K

下载量: 200

相关论文文献

标签：卷积神经网络论文;  融合图像论文;  肺结节论文;  计算机辅助诊断论文;