典型文献
基于生成对抗网络的肺结节良恶性诊断算法
文献摘要：
针对实性肺结节CT影像数据量少、人工标注耗时耗力等问题,提出一种结合生成对抗网络和集成学习的实性肺结节良恶性计算机辅助诊断方法.首先,使用基于梯度惩罚的生成对抗网络对肺结节CT影像数据集进行扩充,缓解由数据量少、样本类别不均衡导致的模型过拟合.然后,利用卷积神经网络进行CT影像特征提取,并通过主成分分析对深度特征进行降维.最后,联合CT图像特征和有效临床信息,采用集成学习方法构建分类模型预测实性肺结节良恶性.基于多中心临床数据分析表明,相比于传统卷积神经网络模型,所提出方法有更好的预测性能.
文献关键词：
实性肺结节;肺腺癌;计算机断层扫描;生成对抗网络;集成学习
中图分类号：
作者姓名：
罗家健;冯宝;陈相猛;顾正晖
作者机构：
华南理工大学 自动化科学与工程学院,广东 广州 510640;桂林航天工业学院 医学人工智能实验室,广西 桂林 541004;江门市中心医院 放射科,广东 江门 529030
文献出处：
引用格式：
[1]罗家健;冯宝;陈相猛;顾正晖-.基于生成对抗网络的肺结节良恶性诊断算法)[J].东北大学学报（自然科学版）,2022(01):24-32
A类：
B类：
生成对抗网络,肺结节良恶性,良恶性诊断,实性肺结节,影像数据,数据量,耗力,计算机辅助诊断,梯度惩罚,样本类别不均衡,过拟合,影像特征,深度特征,图像特征,临床信息,集成学习方法,分类模型,多中心,临床数据,卷积神经网络模型,预测性能,肺腺癌,计算机断层扫描
AB值：
0.242275
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
