基于深度信念网络的肺结节良恶性分类

摘要

肺结节的良恶性分类是计算机辅助诊断系统中最重要的部分,目前常用的分类方法有分类精度低、假阳性高等问题.针对上述问题,把深度信念网络(DBN)引入肺结节的良恶性诊断过程中,提出自定义的DBN分类算法.首先从不同的角度提取肺结节特征,并形成特征向量.然后根据提取的特征对三个隐藏层的节点数进行分析;并构建了一个5层深度信念网络.最终使用训练样本对DBN进行训练;并输出网络的测试结果.对175个病例进行试验,结果表明:算法的分类精度、敏感性和特异性分别为95.3％,92.5％和93.2％,ROC曲线下面积为0.921.与传统算法相比有更好的分类效果,可以给医生提供客观的辅助诊断.