TY - Jour A2 - 高，俊峰奥 - 宋，清崎AU - 赵，雷奥 - 罗，Xuechen Py - 2017Da - 2017/08/09 Ti - 利用深入学习计算肺结核分类断层摄影图像SP - 8314740 VL - 2017年AB - 肺癌是最常见的癌症，不能被忽视，并导致死亡的医疗保健。目前，CT可用于帮助医生在早期阶段检测肺癌。在许多情况下，鉴定肺癌的诊断取决于医生的经验，可能会忽视一些患者并导致一些问题。在许多医学成像诊断区域中被证明是深入学习的一种流行和强大的方法。本文设计了三种类型的深神经网络（例如，CNN，DNN和SAE）用于肺癌钙化。这些网络应用于CT图像分类任务，对良性和恶性肺结节进行一些修改。这些网络在LIDC-IDRI数据库上进行了评估。实验结果表明，CNN网络以84.15％，灵敏度为83.96％的精度归于最佳性能，并且特异性为84.32％，这是三个网络中的最佳结果。SN - 2040-2295 UR - https://doi.org/10.1155/2017/8314740 do - 10.1155 / 2017/8314740 jf - 医疗工程杂志 - Hindawi Kw - Er -