|
|||||
|
|
| 基于集成学习的PET/CT混合成像肺癌检测 | |
| 作者姓名： | 张瑞 程超沈琳琳 左长京 |
| 作者单位： | 深圳信息职业技术学院软件学院 海军军医大学长海医院核医学科 深圳大学计算机与软件学院 |
| 基金项目： | 国家自然科学基金重大研究计划项目（91959108）;国家自然科学基金青年科学基金项目（11701389）; 广东省自然科学基金项目（2018A030313382）; 深圳市科技创新委员会基础研究项目（JCYJ20170306095702695）~~; |
| 摘 要： | 提出了一种基于多模态多尺度的Mask R-CNN集成学习模型对PET/CT混合成像进行人工智能肺癌检测。首先,通过5个深度学习模型对肺癌候选区进行提取。5个深度学习模型通过对不同尺度及不同模态训练数据进行Mask R-CNN迁移学习生成。然后利用集成学习方法将5个Mask R-CNN模型进行加权投票,有效减少假阳性数量,最终实现肺癌确诊。实验数据包括69例肺癌患者及11例正常例,训练数据集包括1242个肺癌横断面;验证数据包括270个横断面,其中58个PET肺癌横断面和58个CT肺癌横断面,77个PET正常横断面和77个CT正常横断面。该方法的F-score、Precision和Recall为0.95、0.90和1,与单模型和现有方法相比,本文方法对于PET/CT混合成像的肺癌检测具有更强的有效性,可以为医生提供有意义的辅助诊断信息. |
| 关 键 词： | 人工智能 肺癌 集成学习 深度学习 |
| 点击此处可从《南昌大学学报(理科版)》浏览原始摘要信息 | |
| 点击此处可从《南昌大学学报(理科版)》下载全文 | |