• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《北京生物医学工程》 >基于Gabor小波和深度置信网络的肺结节良恶性分类研究

基于Gabor小波和深度置信网络的肺结节良恶性分类研究

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

目的 从频率域角度研究孤立性肺结节纹理特征,探讨深度置信网络对其良恶性的分类效果,达到辅助医生提高早期肺癌诊断准确率的目的.方法 首先,利用Gabor小波对1012例患者的1072张孤立性肺结节CT图像提取纹理特征,用受限玻尔兹曼机对特征向量进行编码,学习数据本质特征;然后,用得到的纹理特征向量集训练深度置信网络,构建分类模型;最后,通过K折交叉验证法从准确性、ROC曲线下面积(AUC值)以及时间成本方面对本文提出的研究方法进行评估.结果 经Gabor小波变换并构建DBN分类模型的准确度为83.75％,测试集的AUC值为0.78.与传统支持向量机分类模型相比,所提方法的准确度上升了0.56％,时间成本缩减了一半.结论 利用Gabor小波从频率域提取纹理特征,结合深度置信网络构建分类模型能够取得较好的分类效果,一定程度上能够为临床诊断肺结节的良恶性提供参考.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号