融合多尺度图像的密集神经网络肺部肿瘤识别算法 |
| |
作者单位: | 北方民族大学计算机科学与工程学院,银川宁夏750021;北方民族大学图像图形智能处理国家民委重点实验室,银川宁夏750021;宁夏智能信息与大数据处理重点实验室,银川宁夏750021;北方民族大学计算机科学与工程学院,银川宁夏750021;北方民族大学图像图形智能处理国家民委重点实验室,银川宁夏750021;宁夏医科大学理学院,银川宁夏750004;宁夏医科大学总医院骨科,银川宁夏75004 |
| |
基金项目: | 国家自然科学基金;宁夏重点研发项目;国家科研启动基金 |
| |
摘 要: | 针对CT模态医学图像采用卷积神经网络训练时的特征提取不充分、特征维度较高等问题,本文提出了基于融合多尺度图像的非负稀疏协同表示分类的密集神经网络肺部肿瘤(Multi Scale DenseNet-NSCR)的识别方法。第一,使用迁移学习将预训练密集神经网络模型初始化参数;第二,将肺部图像预处理,提取多尺度病灶ROI区域;第三,采用多尺度CT图像训练密集神经网络,提取全连接层的特征向量;第四,针对融合特征维度较高问题,采用非负稀疏协同表示分类器(NSCR)对特征向量进行表示,求解系数矩阵;第五,利用残差相似度进行分类。最后,采用AlexNet,DenseNetNet-201模型及三种分类算法(SVM、SRC、NSCR)两两组合模型进行对比试验,实验结果表明,Multiscale-DenseNet-NSCR分类效果优于其它模型,且特异性和灵敏度等各项评价指标也较高,该方法具有较好的鲁棒性和泛化能力。
|
关 键 词: | 密集神经网络 多尺度医学图像 迁移学习 NSCR算法 |
本文献已被 CNKI 万方数据 等数据库收录! |
|