典型文献
基于集成学习的PET/CT混合成像肺癌检测
文献摘要：
提出了一种基于多模态多尺度的Mask R-CNN集成学习模型对PET/CT混合成像进行人工智能肺癌检测.首先,通过5个深度学习模型对肺癌候选区进行提取.5个深度学习模型通过对不同尺度及不同模态训练数据进行Mask R-CNN迁移学习生成.然后利用集成学习方法将5个Mask R-CNN模型进行加权投票,有效减少假阳性数量,最终实现肺癌确诊.实验数据包括69例肺癌患者及11例正常例,训练数据集包括1242个肺癌横断面;验证数据包括270个横断面,其中58个PET肺癌横断面和58个CT肺癌横断面,77个PET正常横断面和77个CT正常横断面.该方法的F-score、Precision和Recall为0.95、0.90和1,与单模型和现有方法相比,本文方法对于PET/CT混合成像的肺癌检测具有更强的有效性,可以为医生提供有意义的辅助诊断信息.
文献关键词：
人工智能;肺癌;集成学习;深度学习
中图分类号：
作者姓名：
张瑞;程超;沈琳琳;左长京
作者机构：
深圳信息职业技术学院软件学院,深圳 518172;海军军医大学长海医院核医学科,上海 200433;深圳大学计算机与软件学院,深圳 518060
文献出处：
引用格式：
[1]张瑞;程超;沈琳琳;左长京-.基于集成学习的PET/CT混合成像肺癌检测)[J].南昌大学学报（理科版）,2022(06):666-673
A类：
B类：
PET,混合成像,Mask,集成学习模型,深度学习模型,候选区,不同尺度,迁移学习,集成学习方法,加权投票,假阳性,数据包,肺癌患者,常例,训练数据集,横断面,score,Precision,Recall,单模,辅助诊断
AB值：
0.281779
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。
