文献类型：期刊文章

作　　者：顾军华[1,2,3] 王锋[2,3] 戚永军[1,4] 孙哲然[2,3] 田泽培[2,3] 张亚娟[2,3]

GU Junhua;WANG Feng;QI Yongjun;SUN Zheran;TIAN Zepei;ZHANG Yajuan(State Key Laboratory of Reliability and Intelligence of Electrical Equipment(Hebei University of Technology),Tianjin 300401,China;Hebei Province Key Laboratory of Big Data Calculation(Hebei University of Technology),Tianjin 300401,China;School of Artificial Intelligence,Hebei University of Technology,Tianjin 300401,China;Information Technology Center,North China Institute of Aerospace Engineering,Langfang Hebei 065000,China)

机构地区：[1]电工设备可靠性与智能化国家重点实验室(河北工业大学),天津300401 [2]河北省大数据计算重点实验室(河北工业大学),天津300401 [3]河北工业大学人工智能与数据科学学院,天津300401 [4]北华航天工业学院信息技术中心,河北廊坊065000

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61702157);河北省自然科学基金重点项目(F2016202144)~~

年　　份：2020

卷　　号：40

期　　号：2

起止页码：561-565

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为了解决肺结节图像检索中特征提取难度大、检索精度低下的问题,提出了一种深度网络模型--LMSCRnet用于提取图像特征。首先采用多种不同尺寸滤波器卷积的特征融合方法以解决肺结节大小不一引起的局部特征难以获取的问题,然后引入SE-ResNeXt块来得到更高级的语义特征同时减少网络退化,最后得到肺结节图像的高级语义特征表示。为满足现实中大数据量检索任务的需求,将距离计算及排序过程部署到Spark分布式平台上。实验结果表明,基于LMSCRnet的特征提取方法能够更好地提取图像高级语义信息,在肺结节预处理数据集LIDC上能够达到84.48%的准确率,检索精度高于其他检索方法,而且使用Spark分布式平台完成相似度匹配及排序过程使得检索方法能够满足大数据量检索任务需求。

关 键 词：肺结节图像  图像检索 特征融合  并行优化  SPARK 深度学习  

分 类 号：TP181]