融合多维度卷积神经网络的肺结节分类方法

来源：计算机工程与应用杂志2019年第24期北京时间：

作者：吴保荣，强彦，王三虎，唐笑先，刘希靖

单位：1.太原理工大学 信息与计算机学院，山西 晋中 030600；2.吕梁学院 计算机科学与技术系，山西 吕梁 033000；3.山西省人民医院 PET/CT中心，太原 030024；4.山西农业大学 软件学院，山西 晋中 030600

摘要：针对CT图像肺结节分类任务中分类精度低，假阳性高的问题，提出了一种加权融合多维度卷积神经网络的肺结节分类模型，该模型包含两个子模型：基于二维图像的多尺度密集卷积网络模型，以捕获更宽泛的结节变化特征并促进特征重用；基于三维图像的三维卷积神经网络模型，以充分利用结节空间上下文信息。使用二维和三维CT图像训练子模型，根据子模型分类误差计算其权重，对子模型分类结果进行加权融合，得到最终分类结果。该模型在公共数据集LIDC-IDRI上分类准确率达到94.25%，AUC值达到98%。实验结果表明，加权融合多维度模型可以有效地提升肺结节分类性能。

关键词：肺结节分类,卷积神经网络,深度学习,多维度,加权融合,CT图像