基于卷积神经网络的肺结节分类算法

作者：杨帆; 谢红薇^*; 刘爱媛

来源：计算机工程与应用, 2019, 55(07): 145-150.

• 肺结节
• 分类算法
• 图像分割
• 卷积神经网络
• 深度学习

肺部的检查是每年体检的重要一部分。体检中有成百上千的病例,而每个病例中含有许多的肺部横切面CT图像。这些都需要专业医生去逐个筛查出存在肺结节的病例,不仅工作量大而且存在误筛的可能。针对上述问题,把卷积神经网络(CNN)引入筛查存在肺结节的CT图像诊断,提出一种基于CNN的分类算法。在LIDC数据库的实验结果表明,对比应用广泛的lenet-5网络和传统方法等,使用自定义的卷积神经网络将分类的正确率提升了4到10个百分点不等。AUC值为0.821 6,也是几个分类器中最大的。相比于其他方法,该方法能较为准确地识别肺部CT图像,可以为临床诊断提供较为客观的参考。

• 单位
  山西大医院; 太原理工大学