基于深度学习的肺癌检测方法研究

作者：王德才

来源：数字技术与应用, 2020, 38(01): 85-89.

DOI：10.19695/j.cnki.cn12-1369.2020.01.50

• 计算机辅助诊断(CAD)
• 肺部图像数据库联盟(LIDC)
• CART分类器
• AdaBoost分类器
• 迁移学习

肺癌作为全球发病率最高和死亡率最高的恶性肿瘤,提高肺癌患者存活率最有效的方法就是及早发现、及早诊断、及早治疗。通过人为的观察CT扫描图像,极易出现漏判、误判的情形,计算机辅助诊断(CAD)具有高准确率、高效率的特点,这里本文提出了一种基于机器学习的肺癌检测方法,以肺部图像数据库联盟(LIDC)作为计算机视觉分析图像模型,通过比较各类有效的图像特征,以图像的LBP直方图的方法来表示训练集以及待检测图像的特征,提取肺癌ROI区域及相应病变的特征,引入CART分类器作为弱分类器,然后通过AdaBoost算法对肺结节进行分类学习,构建分类可疑肺癌的AdaBoost分类器,再采用迁移学习的方法将构建好的分类器模型迁移到实际临床CT肺部影像来帮助模型进行训练学习。通过实验数据发现,以上方法对肺癌的识别率能够93.2%,无论对医生还是患者来说都具有很大的现实意义。

• 单位
  右江民族医学院