基于双模态深度自编码的孤立性肺结节诊断方法

发布时间：2018-01-06 08:37

本文关键词：基于双模态深度自编码的孤立性肺结节诊断方法　出处：《计算机科学》2017年08期 　论文类型：期刊论文

【摘要】：近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像。为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法。首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;然后,以候选结节的PET/CT图像作为整个深度自编码网络的输入,并对高层信息进行学习;最后,采用融合策略对多种特征进行融合并将其作为整个框架的输出。实验结果表明,提出的方法可以达到92.81%的准确率、91.75%的敏感度和1.58%的特异性,且优于其他方法的诊断性能,更适用于肺结节良/恶性的辅助诊断。
[Abstract]:In recent years, deep learning technology has been widely used in the diagnosis of lung cancer, but the existing research mainly focuses on lung CT images in order to effectively improve the diagnostic performance of pulmonary nodules. A diagnosis method of pulmonary nodules based on dual-mode depth de-noising self-coding is proposed. Firstly, the characteristic information of pulmonary nodule region is obtained from CT and PET images respectively. Then, the candidate nodule PET/CT image is used as the input of the whole depth self-coding network, and the high-level information is learned. Finally, the fusion strategy is used to fuse various features and take them as the output of the whole frame. The experimental results show that the proposed method can achieve the accuracy of 92.81%. The sensitivity of 91.75% and specificity of 1.58% are superior to those of other methods and are more suitable for the auxiliary diagnosis of benign and malignant pulmonary nodules.
【作者单位】：太原理工大学计算机科学与技术学院;
【基金】：国家科学自然基金项目:基于医学影像结构和功能混合特征的周围型肺癌计算机辅助诊断方法(61373100) 北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金(BUAA-VR-17KF-14,BUAA-VR-17KF-15) 山西省回国留学人员科研资助项目(2016-038)资助
【分类号】：R734.2;TP18;TP391.41
【正文快照】： 1引言孤立性肺结节(Solitary Pulmonary Nodule,SPN)是肺癌早期的重要表现。早期肺癌5年存活率可达60%,而晚期肺癌5年存活率仅有4%。因此,在早期对肺结节进行准确诊断,不仅可及时避免患者进行不必要的有创诊断,从而减轻患者的身心伤害,更能有效地提高患者的生存率。PET/CT作为

【相似文献】