欢迎来到360期刊网!
学术期刊
  • 学术期刊
  • 文献
  • 百科
电话
您当前的位置:

首页 > 文献资料 > 正文

基于深度信念网络的肺结节图像自动识别方法

宋尚玲;李夏;贾红英;杨阳

摘要: 目的 提出一种基于深度信念网络(DBN)的自动识别肺结节的方法,以提高肺结节的检测准确性.方法 为满足DBN的训练样本需求,建立了由专业医生判别的4 000张肺结节图像组成的数据库,并使用虚拟样本技术对样本数据库进行了扩充,其中通过对人工判读的感兴趣区域(ROI)进行旋转、缩放、平移或平移、缩放、旋转、复合中2种或以上的组合操作生成新的样本.后,将样本库中的部分样本输入卷积神经网络分类器,通过优化网络参数,输出疑似肺结节所在的ROI.结果 使用虚拟样本扩充的方法将训练样本库的样本量扩展为40 000.基于该方法获取的训练数据库,DBN识别肺结节的检测准确率为90%,假阳性率为0.4%.结论 虚拟样本技术可有效提高训练数据库的建立效率.采用基于DBN的CAD技术检测肺结节的准确性较高,可使医生只重点关注检测出有肺结节的区域,从而有效提升医生的诊断效率.

同期刊相关文献推荐

国际生物医学工程

统计源期刊 审稿时间:1-3个月 早咨询早发表

360期刊网

专注医学期刊服务15年

  • 您好:请问您咨询什么等级的期刊?专注医学类期刊发表15年口碑企业,为您提供以下服务:

  • 1.医学核心期刊发表-全流程服务
    2.医学SCI期刊-全流程服务
    3.论文投稿服务-快速报价
    4.期刊推荐直至录用,不成功不收费

  • 客服正在输入...

x
立即咨询