基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分類方法研究.pdf

1、隨著各式各樣的醫(yī)學(xué)儀器不斷涌現(xiàn)，臨床診斷中出現(xiàn)了越來越多的醫(yī)學(xué)圖像。由于醫(yī)學(xué)圖像種類繁多，且人體結(jié)構(gòu)復(fù)雜，人工提取醫(yī)學(xué)圖像的特征比較困難，自適應(yīng)能力差，分類效果有待提升。近年來深度學(xué)習(xí)方法成為機器學(xué)習(xí)的熱門研究領(lǐng)域，同時也在醫(yī)學(xué)圖像領(lǐng)域的應(yīng)用中取得了初步成效。深度學(xué)習(xí)方法不需要人工過多干預(yù)，能夠抽象提取圖像特征，比傳統(tǒng)方法更簡單，且學(xué)習(xí)能力更強。因此本文將深度學(xué)習(xí)模型應(yīng)用到醫(yī)學(xué)圖像中肺結(jié)節(jié)的良惡性的分類中，通過使用深度學(xué)習(xí)中不同的方法和

2、模型，進一步提高肺結(jié)節(jié)良惡性分類的準確性。本文研究內(nèi)容主要分以下幾個方面:
　　首先從卷積神經(jīng)網(wǎng)絡(luò)入手，分析了傳統(tǒng)肺結(jié)節(jié)良惡性分類方法的不足，提出了卷積神經(jīng)網(wǎng)絡(luò)和支持向量機對孤立性肺結(jié)節(jié)良惡性分類的方法。針對肺結(jié)節(jié)分類問題，利用卷積神經(jīng)網(wǎng)絡(luò)特征提取的優(yōu)勢，提取肺結(jié)節(jié)圖像特征，經(jīng)過主成分分析降維處理后，用粒子群優(yōu)化的支持向量機進行分類識別。本文選用LIDC-IDRI數(shù)據(jù)庫肺結(jié)節(jié)圖像進行實驗，結(jié)果表明，本文提出的卷積神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)和