赵鑫
- 作品数:3 被引量:12H指数:2
- 供职机构:太原理工大学计算机科学与技术学院更多>>
- 发文基金:山西省回国留学人员科研经费资助项目国家重点实验室开放基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 多模态融合下长时程肺部病灶良恶性预测方法被引量:1
- 2019年
- 为了更精确、全面地表征各时期肺部医学影像中病灶特征的变化与发展规律,研究在时间纵向维度上预测肺结节的演变方式,构建了一种多模态特征融合下不同时期肺部病灶良恶性预测模型。根据病人不同时期的序列CT图像,提取肺部病灶的传统特征与深度特征,构造多模态特征;通过神经网络对多模态特征进行相关性快速融合;利用长短时记忆方法学习不同时期具有时间特征的肺部病灶特征向量,构建一个双向长短时记忆网络对病灶进行良恶性预测。实验表明,所提方法准确率为92.8%,比传统方法有所提高,可以实现有效预测。
- 张娅楠赵涓涓赵鑫张小龙王三虎
- 关键词:肺部病灶
- 基于局部感受野和半监督深度自编码的肺结节检测方法被引量:4
- 2017年
- 深度学习在肺部影像方面的研究主要集中于肺部CT图像。对肺结节的快速准确检测是肺部疾病治疗的关键步骤。结节检测本身就是一项具有挑战性的工作,且已有的研究均很难得到较高的检测率。针对这样的问题,提出一种改进的深度半监督稀疏自编码的肺结节检测方法。首先,采用局部感受野对肺结节图像进行多层特征提取。然后,利用半监督稀疏自编码自主学习肺部影像中的结节特征。最后,融合多种临床信息实现对肺结节的准确检测。实验结果表明,该方法可以达到准确率90.14%,敏感度89.67%和平均检测率96.64%,明显优于其他方法检测性能,更适用于肺结节的精准检测。
- 赵鑫强彦强梓林赵涓涓杜晓平
- 基于双模态深度自编码的孤立性肺结节诊断方法被引量:7
- 2017年
- 近年来,深度学习技术在肺癌诊断方面得到了广泛的应用,但现有的研究主要集中于肺部CT图像。为了有效提高肺结节的诊断性能,提出一种基于双模态深度降噪自编码的肺结节诊断方法。首先,分别从肺部CT和PET图像中得到肺结节区域的特征信息;然后,以候选结节的PET/CT图像作为整个深度自编码网络的输入,并对高层信息进行学习;最后,采用融合策略对多种特征进行融合并将其作为整个框架的输出。实验结果表明,提出的方法可以达到92.81%的准确率、91.75%的敏感度和1.58%的特异性,且优于其他方法的诊断性能,更适用于肺结节良/恶性的辅助诊断。
- 赵鑫强彦葛磊
- 关键词:双模态极限学习机