ty -jour a2 -suzuki，kenji au -li，wei au -cao，pen au -Zhao -Zhao，dazhe au -wang -Wang，Junbo py -2016 da -2016/2016/14 ti-肺结核分类，具有深度卷积的卷积神经网络断层扫描图像SP -6215085 VL -2016 AB-计算机辅助检测（CAD）系统可以通过对早期肺癌的早期诊断提出第二意见来帮助放射科医生。分类和特征表示在肺结节CAD中的假阳性还原（FPR）中起关键作用。我们为结节分类设计了深层卷积神经网络方法，其优势是自动增强表示和强大的概括能力。提出了一个针对结节图像的指定网络结构，以解决三种类型的结节的识别，即固体，半固体和地面玻璃不透明度（GGO）。深度卷积神经网络受到62,492个风险区域（ROI）样品的训练，包括40,772个结节和21,720个非结节，来自肺图像数据库（LIDC）数据库。实验结果证明了所提出的方法在灵敏度和整体准确性方面的有效性，并且它始终优于竞争方法。SN -1748-670X UR -https：//doi.org/10.1155/2016/6215085 do -10.1155/2016/2016/6215085 JF-医学中的计算和数学方法PB- Hindawi Publishing Corporation kw -er -er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er- er-er-