文献类型：期刊文章

作　　者：陈道争[1] 江倩[2]

CHEN Dao-zheng;JIANG Qian(Informatization Office,Shanghai Maritime University,Shanghai 201306,China;College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China)

机构地区：[1]上海海事大学信息化办公室,上海201306 [2]上海海事大学信息工程学院,上海201306

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(61303099)。

年　　份：2021

卷　　号：42

期　　号：1

起止页码：240-247

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为解决训练样本不足的问题,提出一种基于卷积神经网络和迁移学习的X光胸片肺结节检测方法。基于Keras深度学习框架,对比分析3种预训练卷积神经网络模型的分类性能,在此基础上进一步探究迁移学习的有效性。在公开的JSRT数据集上进行验证,提出方法获得了93.75%的准确度、94.36%的敏感度、92.74%的特异度以及98.20%的AUC值。与已有的其它研究进行对比,实现了最高的敏感度和较低的假阳性率,验证了迁移学习的有效性和所提算法的可行性。

关 键 词：肺结节 卷积神经网络 迁移学习  计算机辅助诊断 医学影像分析  

分 类 号：TP391.41]