融合多维度卷积神经网络的肺结节分类方法

融合多维度卷积神经网络的肺结节分类方法

论文摘要

针对CT图像肺结节分类任务中分类精度低,假阳性高的问题,提出了一种加权融合多维度卷积神经网络的肺结节分类模型,该模型包含两个子模型:基于二维图像的多尺度密集卷积网络模型,以捕获更宽泛的结节变化特征并促进特征重用;基于三维图像的三维卷积神经网络模型,以充分利用结节空间上下文信息。使用二维和三维CT图像训练子模型,根据子模型分类误差计算其权重,对子模型分类结果进行加权融合,得到最终分类结果。该模型在公共数据集LIDC-IDRI上分类准确率达到94.25%,AUC值达到98%。实验结果表明,加权融合多维度模型可以有效地提升肺结节分类性能。

论文目录

  • 1 引言
  • 2 方法
  •   2.1 多尺度二维肺结节分类模型
  •     2.1.1 MS-DenseNet网络结构
  •     2.1.2 MS-DenseNet多输出损失函数设计
  •   2.2 三维肺结节分类模型
  •     2.2.1 3D CNN网络结构
  •     2.2.2 3D CNN损失函数
  •   2.3 多模型加权融合策略
  • 3 数据集和实验设置
  •   3.1 数据集
  •   3.2 实验细节
  •   3.3 评估标准
  • 4 结果和分析
  •   4.1 单独模型分类性能
  •   4.2 加权融合模型分类性能
  •   4.3 融合分类模型验证及结果可视化
  •   4.4 与其他分类方法的比较
  • 5 结束语
  • 文章来源

    类型: 期刊论文

    作者: 吴保荣,强彦,王三虎,唐笑先,刘希靖

    关键词: 肺结节分类,卷积神经网络,深度学习,多维度,加权融合,图像

    来源: 计算机工程与应用 2019年24期

    年度: 2019

    分类: 信息科技,医药卫生科技

    专业: 临床医学,肿瘤学,特种医学,计算机软件及计算机应用,自动化技术

    单位: 太原理工大学信息与计算机学院,吕梁学院计算机科学与技术系,山西省人民医院PET/CT中心,山西农业大学软件学院

    基金: 国家自然科学基金(No.61572344),虚拟现实技术与系统国家重点实验室开放基金(No.BUAA-VR-17KF-14),虚拟现实技术与系统国家重点实验室开放基金(No.VRLAB2018B07),山西省回国留学人员科研资助项目(No.2016-038)

    分类号: TP391.41;TP183;R734.2;R730.44

    页码: 171-177

    总页数: 7

    文件大小: 1656K

    下载量: 318

    相关论文文献

    • [1].基于深度可分离卷积的轻量级时间卷积网络设计[J]. 计算机工程 2020(09)
    • [2].卷积神经网络中的激活函数分析[J]. 科学技术创新 2019(33)
    • [3].基于分组卷积的密集连接网络研究[J]. 江苏科技大学学报(自然科学版) 2020(01)
    • [4].基于符号图卷积网络的药物互作用关系预测[J]. 现代计算机 2020(16)
    • [5].关于深度卷积神经网络在计算机视觉中的应用研究[J]. 数码世界 2020(06)
    • [6].卷积等价分布簇的推广及其分布卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2013(04)
    • [7].L(γ)族卷积的封闭性[J]. 安庆师范学院学报(自然科学版) 2011(01)
    • [8].一维量子卷积计算[J]. 计算机工程与应用 2020(08)
    • [9].基于时间卷积网络的机器阅读理解[J]. 福州大学学报(自然科学版) 2020(03)
    • [10].局部卷积等价分布簇的扩张及其卷积的封闭性[J]. 伊犁师范学院学报(自然科学版) 2015(04)
    • [11].用于室内环境语义分割的全卷积网络[J]. 长春理工大学学报(自然科学版) 2020(04)
    • [12].基于卷积自编码器的心电压缩方法[J]. 电子设计工程 2019(22)
    • [13].卷积神经网络综述[J]. 中原工学院学报 2017(03)
    • [14].基于卷积神经网络的图像识别[J]. 科技创新导报 2019(24)
    • [15].基于分组卷积和空间注意力机制的单幅图像去雨方法[J]. 电脑知识与技术 2020(20)
    • [16].基于深度可分离卷积结构的人脸表情识别研究[J]. 电脑与电信 2020(06)
    • [17].多通道融合分组卷积神经网络的人群计数算法[J]. 小型微型计算机系统 2020(10)
    • [18].卷积等价分布簇的推广及其分布卷积根的封闭性[J]. 伊犁师范学院学报(自然科学版) 2018(01)
    • [19].用于行为识别的通道可分离卷积神经网络[J]. 信号处理 2020(09)
    • [20].“数字信号处理”中分段卷积的教学探讨[J]. 电气电子教学学报 2011(02)
    • [21].一种面积与功耗优化的卷积器设计[J]. 计算机工程 2010(22)
    • [22].基于深度卷积网络与空洞卷积融合的人群计数[J]. 上海师范大学学报(自然科学版) 2019(05)
    • [23].基于3D半密度卷积神经网络的断裂检测[J]. 地球物理学进展 2019(06)
    • [24].全卷积神经网络研究综述[J]. 计算机工程与应用 2020(01)
    • [25].淋巴结转移检测的八度卷积方法[J]. 计算机应用 2020(03)
    • [26].基于时域卷积网络精细化光伏发电功率预测[J]. 供用电 2020(10)
    • [27].基于FPGA的卷积神经网络定点加速[J]. 计算机应用 2020(10)
    • [28].基于轻量级卷积神经网络的人脸检测方法研究(英文)[J]. 机床与液压 2020(18)
    • [29].一种新型2-D卷积器的FPGA实现[J]. 微电子学与计算机 2011(09)
    • [30].普通型Bell多项式与卷积多项式序列的若干恒等式[J]. 科学技术与工程 2010(03)

    标签:;  ;  ;  ;  ;  ;  

    融合多维度卷积神经网络的肺结节分类方法
    下载Doc文档

    猜你喜欢