[发明专利]基于可迁移的多模型集成的计算机辅助肺结节分类装置

摘要

本发明公开了一种基于可迁移的多模型集成的计算机辅助肺结节分类装置，用于解决现有肺结节分类准确率差的技术问题。技术方案是训练三个预训练的深度卷积神经网络(Pre‑trained DCNN)，分别描述肺结节纹理的异质性、形状的异质性和全局特征，将深度卷积神经网络的结果进行加权平均，每个网络的权重通过误差反向传播机制自适应地进行学习，进而提高肺结节分类的准确率，其中Pre‑trained DCNN将深度卷积神经网络在大数据集上的好的图像表征能力迁移肺结节分类任务上，有效地改善了深度卷积神经网络在小的肺结节数据上训练性能。本发明克服了基于单种信息的分类准确率低的技术问题，准确率达93％。