| 基于Gabor小波和深度置信网络的肺结节良恶性分类研究 |
| |
| 引用本文： | 王亚娟,管建,王立功.基于Gabor小波和深度置信网络的肺结节良恶性分类研究[J].北京生物医学工程,2019,38(3):263-270. |
| |
| 作者姓名： | 王亚娟 管建 王立功 |
| |
| 作者单位： | 苏州大学医学部放射医学与防护学院 江苏苏州215123;南京医科大学附属苏州医院(苏州市立医院)放疗科室 江苏苏州 215100 |
| |
| 基金项目： | 教育部留学回国人员科研启动基金 |
| |
| 摘 要： | 目的从频率域角度研究孤立性肺结节纹理特征,探讨深度置信网络对其良恶性的分类效果,达到辅助医生提高早期肺癌诊断准确率的目的。方法首先,利用Gabor小波对1012例患者的1072张孤立性肺结节CT图像提取纹理特征,用受限玻尔兹曼机对特征向量进行编码,学习数据本质特征;然后,用得到的纹理特征向量集训练深度置信网络,构建分类模型;最后,通过K折交叉验证法从准确性、ROC曲线下面积(AUC值)以及时间成本方面对本文提出的研究方法进行评估。结果经Gabor小波变换并构建DBN分类模型的准确度为83.75%,测试集的AUC值为0.78。与传统支持向量机分类模型相比,所提方法的准确度上升了0.56%,时间成本缩减了一半。结论利用Gabor小波从频率域提取纹理特征,结合深度置信网络构建分类模型能够取得较好的分类效果,一定程度上能够为临床诊断肺结节的良恶性提供参考。
|
| 关 键 词： | 孤立性肺结节 Gabor小波 纹理特征 受限玻尔兹曼机 深度置信网络 |
Study on the classification of benign and malignant pulmonary nodules based on Gabor wavelet and deep belief network |
| |
| WANG Yajuan,GUAN Jian,WANG Ligong.Study on the classification of benign and malignant pulmonary nodules based on Gabor wavelet and deep belief network[J].Beijing Biomedical Engineering,2019,38(3):263-270. |
| |
| Authors: | WANG Yajuan GUAN Jian WANG Ligong |
| |
| Institution: | (School of Radiation Medicine and Protection,Medical College of Soochow University,Suzhou,Jiangsu Province 215123;Department of Radiotherapy,The Affiliated Suzhou Hospital of Nanjing Medical University (Suzhou Municipal Hospital),Suzhou,Jiangsu Province 215100) |
| |
| Abstract: | WANG Yajuan;GUAN Jian;WANG Ligong(School of Radiation Medicine and Protection,Medical College of Soochow University,Suzhou,Jiangsu Province 215123;Department of Radiotherapy,The Affiliated Suzhou Hospital of Nanjing Medical University (Suzhou Municipal Hospital),Suzhou,Jiangsu Province 215100) |
| |
| Keywords: | solitary pulmonary nodules Gabor wavelet texture features restricted Boltzmann machine deep belief network |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
