基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型

	基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型
	武志远 1; 马圆 1; 唐浩 2; 姚二林 2; 郭秀花 1
	2019
发表期刊	中国卫生统计
ISSN	1002-3674
卷号	36.0 期号:006 页码:806
摘要	目的介绍卷积神经网络方法,并将其应用于肺部多模态图像进行肺结节良恶性分类。方法基于肺部PET-CT多模态图像,分析临床信息与卷积神经网络的结合并与机器学习支持向量机方法作效果对比。结果52名患者的323张结节图像纳入研究。研究表明,模型中纳入临床信息能够改进模型的分类效果,准确率、灵敏度、特异度分别为0.913、0.942、0.417;在与支持向量机模型的对比分析中,卷积神经网络模型特异度较低为0.417,而灵敏度达到0.942;支持向量机模型灵敏度较低为0.570,而特异度达到0.927。结论基于肺部PET-CT多模态图像进行肺结节良恶性判别,卷积神经网络能够获得较高的灵敏度。
关键词	卷积神经网络 PET-CT融合图像肺结节计算机辅助诊断
语种	英语
文献类型	期刊论文
条目标识符	http://119.78.100.204/handle/2XEOYT63/36858
专题	中国科学院计算技术研究所期刊论文_中文
作者单位	1.首都医科大学 2.中国科学院计算技术研究所
推荐引用方式 GB/T 7714	武志远,马圆,唐浩,等. 基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型[J]. 中国卫生统计,2019,36.0(006):806.
APA	武志远,马圆,唐浩,姚二林,&郭秀花.(2019).基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型.中国卫生统计,36.0(006),806.
MLA	武志远,et al."基于深度卷积神经网络方法构建肺部多模态图像分类诊断模型".中国卫生统计 36.0.006(2019):806.