论文部分内容阅读
针对传统分类方法分割精度低、特征提取耗时等问题, 构建一个适用于CT 肺结节良恶性分类的卷积神经网络模型. 首先确定网络深度、卷积核数目和卷积核大小等参数, 构建卷积神经网络初始模型; 然后选择激活函数类型、学习率和学习率衰减策略等训练参数; 最后提出对感兴趣区域划分局部子区域的方式增强样本进行训练. 在LIDC-IDRI 数据集上进行实验的结果表明, 准确率、特异性、敏感性及AUC 值分别达到92.50%, 0.91, 0.94 和0.93; 对恶性结节的识别能力明显优于其他网络模型.