本文選題：受限玻爾茲曼機(jī)　切入點：肺結(jié)節(jié)　出處：《計算機(jī)工程與應(yīng)用》2017年23期

【摘要】：針對傳統(tǒng)計算機(jī)輔助診斷中肺結(jié)節(jié)的特征提取方法依靠人工設(shè)計、操作復(fù)雜、識別率低等問題,提出了一種基于混合受限玻爾茲曼機(jī)的肺結(jié)節(jié)良惡性診斷方法。首先采用多層無監(jiān)督卷積受限玻爾茲曼機(jī)自動對肺結(jié)節(jié)圖像進(jìn)行特征學(xué)習(xí),然后利用分類受限玻爾茲曼機(jī)對獲得的特征進(jìn)行良惡性分類。為避免分類受限玻爾茲曼機(jī)在訓(xùn)練中出現(xiàn)的特征同質(zhì)化問題,引入了交叉熵稀疏懲罰對其進(jìn)行優(yōu)化。實驗結(jié)果表明,該方法有效避免了手動特征提取的復(fù)雜性,在肺結(jié)節(jié)良惡性分類的準(zhǔn)確率、敏感性、特異性、ROC曲線下面積值上均優(yōu)于傳統(tǒng)診斷方法。
[Abstract]:In view of the traditional computer-aided diagnosis of pulmonary nodules feature extraction methods rely on artificial design, complex operation, low recognition rate and other problems. A new method for the diagnosis of benign and malignant pulmonary nodules based on mixed constrained Boltzmann machine is proposed. Firstly, multi-layer unsupervised convolution constrained Boltzmann machine is used to automatically study the features of pulmonary nodules. Then the classification constrained Boltzmann machine is used to classify the obtained features. In order to avoid the problem of homogeneity in the training of the classification constrained Boltzmann machine, Crossover entropy sparse penalty is introduced to optimize it. Experimental results show that the proposed method can effectively avoid the complexity of manual feature extraction and is accurate and sensitive in the classification of benign and malignant lung nodules. The area under the specific ROC curve was superior to the traditional diagnostic method.
【作者單位】： 太原理工大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院;山西省人民醫(yī)院;
【基金】：國家自然科學(xué)基金(No.61540007,No.61373100) 國家重點實驗室開放基金(No.BUAA-VR-15KF02,No.BUAA-VR-16KF13)
【分類號】：R734.2;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高豐;葛哠俊;滑炎卿;;肺結(jié)節(jié)的處理策略研究應(yīng)用新進(jìn)展[J];中國肺癌雜志;2013年05期

2 依玉峰;高立群;郭麗;;一種基于改進(jìn)隨機(jī)游走的肺結(jié)節(jié)分割方法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2012年03期

3 ;更正[J];中國肺癌雜志;2014年05期

4 郭薇;魏穎;周翰遜;薛定宇;;一種基于蟻群算法特征建模與分類的肺結(jié)節(jié)檢測方法[J];系統(tǒng)仿真學(xué)報;2010年05期

5 馬大慶;;腫瘤大小與生長和消退速度的關(guān)系:轉(zhuǎn)移性肺結(jié)節(jié)的臨床研究[J];國外醫(yī)學(xué)(臨床放射學(xué)分冊);1982年02期

6 王杰;曾勇明;彭剛;郁仁強(qiáng);孫靜坤;金瑞;;胸部低劑量CT掃描中迭代重建算法與濾波反投影算法肺結(jié)節(jié)檢出率和準(zhǔn)確性比較[J];吉林大學(xué)學(xué)報(醫(yī)學(xué)版);2014年05期

7 R.Klaveren;H.Zaag-Loonen;G.Bock;H.Gietema;高莉;;肺癌篩查檢出的肺結(jié)節(jié)特征對于半自動體積測量的差異性的影響[J];國際醫(yī)學(xué)放射學(xué)雜志;2008年05期

8 欒國欣;魏穎;薛定宇;;一種改進(jìn)的邊界法向量疊加疑似肺結(jié)節(jié)提取[J];東北大學(xué)學(xué)報(自然科學(xué)版);2010年08期

9 郭小皖;王穎;李東;張，

本文編號：1674695