期刊文献+

基于卷积神经网络和迁移学习的肺结节检测 认领

Pulmonary nodule detection based on convolutionalneural networks with transfer learning
在线阅读 下载PDF
收藏 分享 导出
摘要 为解决训练样本不足的问题,提出一种基于卷积神经网络和迁移学习的X光胸片肺结节检测方法。基于Keras深度学习框架,对比分析3种预训练卷积神经网络模型的分类性能,在此基础上进一步探究迁移学习的有效性。在公开的JSRT数据集上进行验证,提出方法获得了93.75%的准确度、94.36%的敏感度、92.74%的特异度以及98.20%的AUC值。与已有的其它研究进行对比,实现了最高的敏感度和较低的假阳性率,验证了迁移学习的有效性和所提算法的可行性。 To solve the problem of limited training data,a method for pulmonary nodule detection using convolutional neural networks with transfer learning was proposed.Based on the Keras deep learning framework,the classification performances of three pre-trained convolutional neural network models were comparatively analyzed and the effectiveness of transfer learning was further explored.With validation on the publicly available JSRT dataset,the proposed method achieves an accuracy of 93.75%,a sensitivity of 94.36%,a specificity of 92.74%,and an AUC of 98.20%.Compared with the previous works,the highest sensitivity with a low false positive rate is obtained,which demonstrates the effectiveness of transfer learning and the feasibility of the proposed algorithm.
作者 陈道争 江倩 CHEN Dao-zheng;JIANG Qian(Informatization Office,Shanghai Maritime University,Shanghai 201306,China;College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China)
出处 《计算机工程与设计》 北大核心 2021年第1期240-247,共8页 Computer Engineering and Design
基金 国家自然科学基金项目(61303099)。
关键词 肺结节 卷积神经网络 迁移学习 计算机辅助诊断 医学影像分析 pulmonary nodule convolutional neural networks transfer learning computer-aided diagnosis medical image analysis
  • 相关文献

参考文献9

二级参考文献14

共引文献16

202103读书月活动
维普数据出版直通车
今日学术
投稿分析
职称考试

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈