基于NRC和多模态残差神经网络的肺部肿瘤良恶性分类

霍兵强¹,周涛^1,2*,陆惠玲³,董雅丽¹,刘珊¹

1. 北方民族大学计算机科学与工程学院, 宁夏 银川 750021;2. 宁夏智能信息与大数据处理重点实验室, 宁夏 银川 750021;3. 宁夏医科大学理学院, 宁夏 银川 750004

发布日期:2020-12-15

作者简介:霍兵强(1994— ),男,河北石家庄人,硕士研究生,主要研究方向为智能医学影像图像处理,深度学习. E-mail:2916656832@qq.com. *通信作者简介:周涛(1977— ),男,宁夏同心人,博士,教授,硕士生导师,主要研究方向为医学图像分析处理,模式识别,云计算. E-mail:zhoutaonxmu@126.com
基金资助:国家自然科学基金资助项目(62062003);北方民族大学引进人才科研启动项目(2020KYQD08)

Lung tumor benign-malignant classification based on multi-modal residual neural network and NRC algorithm

HUO Bingqiang¹, ZHOU Tao^1,2*, LU Huiling³, DONG Yali¹, LIU Shan¹

1. School of Computer Science and Engineering, North Minzu University, Yinchuan 750021, Ningxia, China;
2. Ningxia Key Laboratory of Intelligent Information and Big Data Processing, Yinchuan 750021, Ningxia, China;
3. School of Science, Ningxia Medical University, Yinchuan 750004, Ningxia, China

Published:2020-12-15

摘要/Abstract

摘要： 针对深度卷积神经网络训练时的网络退化、特征表达能力不强等问题,提出一种基于非负表示分类和多模态残差神经网络的肺部肿瘤(residual neural network-non negative representation classification, resnet-NRC)良恶性分类方法。使用迁移学习将预训练残差神经网络模型初始化参数;分别用CT、PET和PET/CT 3个模态的数据集训练残差神经网络,提取全连接层的特征向量;采用非负表示分类器(non-negative representation classification, NRC)对特征向量进行非负表示,求解非负系数矩阵;利用残差相似度进行肺部肿瘤良恶性分类。通过AlexNet、GoogleNet、ResNet-18/50/101模型进行对比试验,试验结果表明,ResNet-NRC分类效果优于其它模型,且特异性和灵敏度等各项评价指标也较高,该方法具有较好的鲁棒性和泛化能力。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1990