基于特征迁移的肺部CT图像分类方法

摘要

本发明公开了基于特征迁移的肺部CT图像分类方法，包括如下步骤：首先，对CT图像进行滤波、拉伸和数据增强。其次，应用特征可视化改进网络架构进行图像特征迁移，减少超参数调整，降低网络训练对标签图像的依赖。最后，使用改进网络对CT图像提取特征，并用K近邻算法、支持向量机和随机森林进行分类评价。在公开CT图像数据集上与6种对比算法进行实验验证。实验结果表明，改进网络分类准确率为93.3％，精确率为96.9％，模型最小、分类时间最少，具有较好的鲁棒性，有效改善了肺部CT图像的诊断效果。