基于K-means聚类和GAN的肺部X光图像分类方法

摘要

本发明提出基于K‑means聚类和GAN的肺部X光图像分类方法。首先，使用ResNet‑20网络提取图像特征信息，学习每类带有标签的肺部X光图像的特征，将提取的每类图像的特征取平均值作为图像聚类的中心，再提取无标签图像的特征与聚类中心计算带权重的欧几里得距离进行标签预测为无标签的图像粗分类。最后将粗分类的结果与少量的标签图像，生成器生成的图像及大量的无标签图像送入鉴别器网络进行细分类。实验结果表明，与最先进的肺部X光图像分类方法(准确度94％)相比，我们的方法使用了不到30％的标记样本，可实现高效的性能(准确度93.15％)。实验证明该方法很好的做到了使用少量标签数据进行肺部X光图像分类。