典型文献
基于多尺度迁移学习的肺结节良恶性分类
文献摘要：
肺结节良恶性分类任务旨在通过计算机辅助技术对肺部CT影像进行诊断,以辅助医生提高诊断准确率和筛查效率.深度学习技术与医学影像分析结合在肺癌早诊中极具潜力,但因数据规模受限遇到极大瓶颈.因此,本文充分利用迁移学习技术适用于小规模数据的理论优势,提出了一种基于多尺度迁移学习的肺结节良恶性分类方法,并基于LIDC-IDRI公开数据库构建数据集进行实验.结果表明,将迁移学习方法应用到肺结节良恶性分类任务上,效果得到明显提升.
文献关键词：
肺结节;良恶性;迁移学习;多尺度
中图分类号：
作者姓名：
张修聪;刘杰;张光磊
作者机构：
北京交通大学计算机与信息技术学院,北京 100044;北京航空航天大学生物医学工程高精尖创新中心,北京 100191
文献出处：
引用格式：
[1]张修聪;刘杰;张光磊-.基于多尺度迁移学习的肺结节良恶性分类)[J].现代计算机,2022(05):76-81
A类：
B类：
肺结节良恶性,良恶性分类,分类任务,计算机辅助技术,诊断准确率,筛查效率,深度学习技术,医学影像分析,早诊,大瓶,小规模,模数,理论优势,分类方法,LIDC,IDRI,数据库构建,迁移学习方法
AB值：
0.291247
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。
