基于CNN迁移学习的甲状腺结节检测方法

来源：计算机工程与应用杂志2018年第22期北京时间：

作者：叶 晨1，赵作鹏1，马小平2，胡延军2，刘 翼1，赵海含1

单位：1.中国矿业大学 计算机科学与技术学院，江苏 徐州 221116；2.中国矿业大学 信息与控制工程学院，江苏 徐州 221116

摘要：将人工智能应用到医学图像中可减少医生工作量和患者的重复检查。针对现有甲状腺结节检测方法处理过程繁琐、特征提取困难等问题，提出一种基于卷积神经网络（CNN）的甲状腺结节检测方法。针对数据样本量小的限制，提出利用预训练与迁移学习改善网络性能的策略。根据不同结构CNN能够提取不同层次特征的特点，提出融合浅层与深层网络的方法。通过医院收集的3 414张图片对提出的方法进行验证，最终准确率为91.60%，灵敏度为90.08%，特异性为93.24%，接收者操作特征曲线下面积为96.55%。

关键词：CT,卷积神经网络（CNN）,迁移学习,检测