典型文献
融合多尺度决策的肺结节分类研究
文献摘要：
计算机辅助算法在医学图像疾病诊断中发挥着重要作用,一套准确的诊断系统是极其重要的.虽然现有肺结节分类模型性能已经有了很大提升,但在提取特征、提高准确率和降低假阳率方面存在不足.为了解决深度学习网络结构与肺结节图像的匹配问题,将3D多尺度作为输入,以DPN作为主干网络,能够更有效地提取图像特征信息,文中构造一种多尺度决策层融合网络模型,来区分肺结节的恶性和良性,该模型能够从原始图像中自动提取全面的图像特征.在肺图像数据库联盟图像采集(LIDC-IDRI)数据库上进行了一系列实验,结果表明,所提出的多尺度决策融合模型准确率要高于其他分类模型,具有良好的稳定性和鲁棒性.
文献关键词：
多尺度;DPN;决策层融合;稳定性;鲁棒性
中图分类号：
作者姓名：
池洪泽;杨静
作者机构：
太原理工大学信息与计算机学院,山西晋中030600;太原理工大学信息中心,山西太原030024
文献出处：
引用格式：
[1]池洪泽;杨静-.融合多尺度决策的肺结节分类研究)[J].电子设计工程,2022(22):188-193
A类：
B类：
肺结节分类,分类研究,计算机辅助,医学图像,疾病诊断,诊断系统,分类模型,模型性能,提取特征,深度学习网络,匹配问题,DPN,主干网络,图像特征,特征信息,决策层融合,融合网络,恶性和良性,原始图像,自动提取,图像数据库,图像采集,LIDC,IDRI,系列实验,决策融合,融合模型,模型准确率
AB值：
0.426617
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。
