期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于分布先验的半监督FCM的肺结节分类 被引量：6
1
作者 姜婷 袭肖明 岳厚光 《智能系统学报》 CSCD 北大核心 2017年第5期729-734,共6页
肺结节的良恶性分类对于肺癌的早期发现及诊断具有重要意义。然而实际应用中,标记的图像数量较少,且获取标记将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路。作为一种经典的半监督学习算法,传统的半监... 肺结节的良恶性分类对于肺癌的早期发现及诊断具有重要意义。然而实际应用中,标记的图像数量较少,且获取标记将耗费大量的人力,在这种情况下,使用半监督学习算法是有效提高分类性能的一个思路。作为一种经典的半监督学习算法,传统的半监督FCM在未标记样本与标记样本分布不平衡情况下不能充分利用标记信息。针对此问题,本文提出了一种基于分布先验的半监督FCM算法。首先计算样本的先验分布概率,基于获得的先验概率,给样本赋予权重,并将其融入到半监督FCM聚类中,从而强化少量的标记样本在聚类过程中的指导作用。文中在LIDC数据库上进行了相应的实验,实验结果证明,相比较传统的半监督FCM算法,提出的算法能够取得更好的肺结节分类性能。 展开更多
关键词 肺结节分类 半监督FCM 先验分布信息 图像处理 lidc数据库
下载PDF
结合深度卷积神经网络与影像学特征的肺结节良恶性鉴别方法 被引量：4
2
作者 高大川 聂生东 《光学学报》 EI CAS CSCD 北大核心 2020年第24期56-65,共10页
提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法。首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-R... 提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法。首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-ResNet模型,提取网络学习的CNN特征,组合两类特征,并利用随机森林(RF)模型进行特征选择;最后,采用支持向量机(SVM)、RF等传统分类器对肺结节进行良恶性鉴别诊断。使用LIDC-IDRI数据库中的1036个肺结节进行实验验证,最终所提方法的分类准确率、敏感度、特异度及接受者操作特性曲线(ROC)下面积(AUC)分别达94.98%、90.02%、97.03%及97.43%。实验结果表明,所提方法能准确地判别肺结节的良恶性,并优于大部分主流方法。 展开更多
关键词 图像处理 肺癌早期诊断 CT影像 肺结节良恶性鉴别 lidc-IDRI数据库
原文传递
基于LIDC/IDRI影像数据库的专家诊断信息解读软件的开发 被引量：1
3
作者 王婧璇 林岚 +1 位作者 赵思远 吴水才 《医疗卫生装备》 CAS 2019年第7期23-26,34,共5页
目的:设计一套基于LIDC/IDRI(Lung Image Database Consortium/Image Database Resource Initiative)影像数据库的专家诊断信息解读软件。方法:利用模块化、构建重用和面向对象的思想,基于Python编程语言、JavaScript网页编程语言、HTML... 目的:设计一套基于LIDC/IDRI(Lung Image Database Consortium/Image Database Resource Initiative)影像数据库的专家诊断信息解读软件。方法:利用模块化、构建重用和面向对象的思想,基于Python编程语言、JavaScript网页编程语言、HTML和CSS,在PyCharm 2017平台下开发该软件,主要包括诊断信息解析和诊断信息展示2个功能模块。结果:该软件不仅可剔除原有XML文件中的冗余内容,优化数据结构,完整地解读诊断信息,并在可视化界面中展示专家标注结果,还可以将诊断信息转换为易于后续分析的JSON和MAT格式。结论:基于LIDC/IDRI影像数据库的专家诊断信息解读软件达到了设计目标,具有跨平台的可移植性、开放性和共享性。 展开更多
关键词 lidc/IDRI影像数据库 诊断信息解读 Python 编程语言 XML解析 JSON格式 MAT格式
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部