APP下载

基于深度学习的肺部肿瘤检测方法

2018-04-13陈强锐谢世朋

计算机技术与发展 2018年4期
关键词:特征提取肺癌建议

陈强锐,谢世朋

(南京邮电大学 通信与信息工程学院,江苏 南京 210003)

0 引 言

计算机辅助诊断(CAD)[1]是指运用计算机技术分析计算影像、病理等数据,辅助发现病灶,从而提高诊断的准确率。现代计算机技术的快速发展对其起到了极大的推进作用。目前CAD技术已经广泛应用于各种疾病的诊疗过程中,被形象地称之为医生的“第三只眼”。肺癌检测是最常见的CAD技术应用之一。近年来国内肺癌发病率呈逐年上升趋势,年平均增长率为1.63%。而肺癌的发病率及死亡率已居所有恶性肿瘤之首。引入计算机辅助诊断技术对肺癌的早期发现与诊疗有着重要的积极作用,所以它在辅助医生诊疗肺癌领域有着巨大的发展前景。

对于肺癌检测的CAD技术关键在于肿瘤病灶的定位与分类。目前已经有许多传统机器学习的方法可以对肿瘤进行检测。文献[2]从灰度特征、纹理特征、形态特征等多个角度提取肺部CT图像的特征,并利用支持向量机[3](SVM)对肺部CT图像进行分类分析。文献[4]针对肺结节的形态、位置、纹理、灰度等17个特征,利用主成分分析(PCA)方法,对特征集进行优化选择和降维处理,最后利用基于SVM的分类器对样本进行分类检测。文献[5]开发了一种提取肺结节特征信息的转换器,并结合随机森林算法利用提取到的特征信息对模型进行训练和测试。这些方法较好地解决了分类问题,但实验结果也并非十分完美,仍有提升的空间,尤其在复杂的特征提取方法和结节的位置预测方面。……

登录APP查看全文

猜你喜欢

特征提取肺癌建议
中医防治肺癌术后并发症
对比增强磁敏感加权成像对肺癌脑转移瘤检出的研究
接受建议,同时也坚持自己
基于Gazebo仿真环境的ORB特征提取与比对的研究
好建议是用脚走出来的
一种基于LBP 特征提取和稀疏表示的肝病识别算法
microRNA-205在人非小细胞肺癌中的表达及临床意义
基于肺癌CT的决策树模型在肺癌诊断中的应用
基于MED和循环域解调的多故障特征提取
建议答复应该