基于三维双路径网络与K均值聚类算法的肺结节良恶性鉴别方法(英文) |
| |
引用本文: | 高大川,叶晓丹,侯学文,陈阳,孔雪,谢元忠,聂生东.基于三维双路径网络与K均值聚类算法的肺结节良恶性鉴别方法(英文)[J].浙江大学学报(B卷英文版),2022(11):957-970. |
| |
作者姓名: | 高大川 叶晓丹 侯学文 陈阳 孔雪 谢元忠 聂生东 |
| |
作者单位: | 1. 上海理工大学健康科学与工程学院;2. 上海市胸科医院放射科;3. 泰安中心医院医学影像中心 |
| |
基金项目: | supported by the National Natural Science Foundation of China(No. 81830052);;the Science and Technology Innovation Action Plan of Shanghai(No. 18441900500);;the Shanghai Natural Science Foundation of China(No. 20ZR1438300); |
| |
摘 要: | 目的:为了提高肺癌早期诊断的准确性,本文使用机器学习,可以有效地帮助放射科医生区分肺结节的良恶性。创新点:基于三维双路径网络(3D DPN)辅助K均值聚类分析区分良恶性肺结节,类别分析可以有效地表示良恶性肺结节的多种潜在亚型。方法:在这项研究中,我们提出了一种基于3D DPN并辅以聚类分析来识别良恶性肺结节的新分类方案。首先,根据四位放射科医生的标注结果,从计算机断层扫描(CT)图像中截取以肺结节为中心,尺寸为64×64×64的像素单元;并训练pre-3D DPN模型提取卷积神经网络(CNN)特征。随后,采用随机森林特征选择算法滤除不相关的特征,并采用K均值聚类算法生成聚类标签。最后,使用具有新聚类标签的数据训练3D DPN对肺结节进行良恶性分类。结果:使用肺影像数据联盟-影像数据库资源计划(LIDC-IDRI)数据库中的966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92.86%、94.44%、91.94%及96.43%。此外,从上海胸科医院(SCH)收集了67个结节进行临床验证,获得的准确率为86.57%。结论...
|
关 键 词: | 计算机断层扫描(CT)图像 肺结节 计算机辅助诊断 双路径网络(DPN) 聚类分析 |
|