首页|基于多尺度迁移学习的肺结节良恶性分类

基于多尺度迁移学习的肺结节良恶性分类

扫码查看
原文链接
  • 万方数据
  • 维普
肺结节良恶性分类任务旨在通过计算机辅助技术对肺部CT影像进行诊断,以辅助医生提高诊断准确率和筛查效率.深度学习技术与医学影像分析结合在肺癌早诊中极具潜力,但因数据规模受限遇到极大瓶颈.因此,本文充分利用迁移学习技术适用于小规模数据的理论优势,提出了一种基于多尺度迁移学习的肺结节良恶性分类方法,并基于LIDC-IDRI公开数据库构建数据集进行实验.结果表明,将迁移学习方法应用到肺结节良恶性分类任务上,效果得到明显提升.
Classification of Benign and Malignant Lung Nodules Based on Multi-scale Transfer Learning

张修聪、刘杰、张光磊

展开 >

北京交通大学计算机与信息技术学院,北京 100044

北京航空航天大学生物医学工程高精尖创新中心,北京 100191

肺结节 良恶性 迁移学习 多尺度

北京市自然科学基金面上项目

7202102

2022

10.3969/j.issn.1007-1423.2022.05.012

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(5)
  • 16