公开(公告)号：CN117237708A

公开(公告)日：2023-12-15

申请号：CN202311135367.X

申请日：2023-09-05

Applicant: 桂林电子科技大学

Inventor： 陈真诚 ,  梁丽诗 ,  潘嘉婷 ,  孙鹏

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及肺结节图像良恶性分类技术领域，具体涉及一种基于多模型融合的肺结节良恶性分类方法，通过使用ResNet，VGG和DenseNet网络构建多模型融合的分类模型，再基于LIDC‑IDRI数据集进行预处理，将数据中的肺结节提取并添加标签，输入至构建好的多模型融合的分类模型进行特征处理分类，最后获得最终的预测结果。本发明使用并行分支的多模型融合方法对肺结节良恶性进行分类，可以充分发挥模型的抽象能力，同时通过重新设计全连接层提高模型的效率和表达能力，采用特征融合挖掘模型之间的互补性，充分利用每个模型的不同级别的抽象特征，有效解决现有的辅助分类系统中肺结节图像因为被背景组织包围导致分类准确率低的技术问题。