胸部CT良恶性肺结节分类的可转移多模型集合

使用胸部CT对肺结节的良性与恶性进行分类在肺癌的早期发现中起着关键作用，这种早期发现具有最好的治愈机会。 尽管深度学习现在是解决图像分类问题的最成功解决方案，但它需要大量的训练数据，而对于大多数常规医学成像应用而言，这些训练数据通常是不容易获得的。 在本文中，我们提出了使用有限的胸部CT数据将可转移的多模型集合（TMME）算法从良性肺结节中分离出来的方法。 该算法传递了在ImageNet数据库上预先训练的三个ResNet-50模型的图像表示能力，以分别表征整体外观，体素值的异质性和肺结节形状的异质性，并共同利用它们进行分类肺结节具有在误差反向传播过程中学习的自适应加权方案。 在基准LIDC-IDRI数据集上的实验结果表明，我们提出的TMME算法实现了93.40％的肺结节分类精度，明显高于七种最新方法的精度。