尺度空间金字塔池化的肺结节分类研究

• 作 者: 张丽 强彦 张小龙 刘继华
• 机 构: 太原理工大学信息与计算机学院,宾夕法尼亚州立大学信息科学与技术学院,吕梁学院计算机科学与技术系
• 出 处: 计算机工程与设计
• 发表日期: 2019年12期
• 关键词: 多尺度 空间金字塔池化 卷积神经网络 特征提取 分类 multi-scalespatial pyramid poolingconvolutional neura
• 基金项目: 国家自然科学基金项目(61572344),山西省回国留学人员科研基金项目(2016-038),虚拟现实技术与系统国家重点实验室开放基金项目(VRLAB2018A08)

在计算机辅助诊断系统中对肺结节良恶性的准确分类至关重要,但由于肺结节形状大小变化较大,作为卷积神经网络(CNN)的输入,会形成噪声,干扰判断。融合多尺度空间金字塔池化(MSPP)对肺结节进行分类。在传统AlexNet模型的基础上做出改进,更利于肺结节图像的输入;采用多个尺度的结节范围,减少噪声;使用多尺度空间金字塔(MSPP)策略提高分类准确性。实验结果表明,该方法达到92.65%的准确性,在准确性、敏感度、特异度、ROC曲线下面积值上均优于其它分类方法。