基于集成卷积神经网络的肺部肿瘤计算机辅助诊断模型

将卷积神经网络（CNN）用于肺部肿瘤正电子发射计算机断层扫描（PET）/电子计算机断层扫描（CT）计算机辅助诊断，不仅可以提供精确的定量分析以弥补人眼惰性及对灰阶不敏感的缺陷，也能辅助医生准确诊疗。本文首先采用参数迁移的方法初始构建三个 CNN（CT-CNN、PET-CNN、PET/CT-CNN）分别用于肺部肿瘤 CT、PET、PET/CT 的识别；然后以 CT-CNN 为例探讨迭代次数、批次大小和输入图像大小对识别率和训练时间的影响，从而选择合适的模型参数训练单一 CNN；最后集成三个单一 CNN，采用“相对多数投票法”完成肺部肿瘤 PET/CT 计算机辅助诊断，进而对比集成 CNN 与单个 CNN 的性能。实验结果表明集成 CNN 模型比单一 CNN 模型对于肺部肿瘤计算机辅助诊断的性能更优