东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (11): 1556-1561.DOI: 10.12068/j.issn.1005-3026.2018.11.008
徐久强, 洪丽萍, 朱宏博, 赵海
XU Jiu-qiang, HONG Li-ping, ZHU Hong-bo, ZHAO Hai
摘要: 针对肺结节数据集中良恶性样本数比例失衡的问题,首次引入深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)模型,该模型根据输入的肺结节图像,生成与输入图像具有相似纹理特征的肺结节并将生成图像用于训练DCGAN模型.此外,将图像来源分类问题改为图像来源分类和肺结节等级1~5分类问题,从而增强了DCGAN模型的抗噪能力和实现了DCGAN模型对肺结节的等级分类.实验表明,改进的DCGAN中G模型在生成图像时具有良好的抗噪能力且生成图像中大约有90.42%的图像判别为真实图像,D模型对肺结节图像的等级分类具有较好的判别能力且肺结节等级分类准确率为70.89%,肺结节良恶性分类准确率为80.13%.
中图分类号: