计算机科学与探索

作者：李维，赵晓乐，段彦隆，刘利军，黄青松

单位：1. 昆明理工大学 信息工程与自动化学院，昆明 6505002. 云南省计算机技术应用重点实验室，昆明 650500

关键词：CT图像,肺结节,特征提取,卷积神经网络（CNN）

肺部CT图像具有切片数量巨大，肺结节在图像中的位置和形状各异，且肺结节周围环境复杂等特点，传统肺结节检测方法通常只利用肺结节形状、灰度等特征，肺结节特征信息利用率低，且没有完全考虑肺结节细粒度特征信息。为此提出了基于卷积神经网络多层面二阶特征融合模型（CMSFF）。采用卷积神经网络对同一结节的多层切面分别进行特征提取，通过两个阶段的特征融合，充分考虑肺结节的细粒度特征，实现对肺结节特征信息的准确提取。实验表明，该方法提取到的肺结节特征信息在肺结节恶性程度分类中AUC值达到0.924，能有效提高肺结节恶性程度分类准确率。

来源：2020年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2020年第9期