资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]首都医科大学公共卫生学院流行病与卫生统计学系北京市临床流行病学重点实验室
首都医科大学
[2]北京大学肿瘤医院暨北京市肿瘤防治研究所核医学科恶性肿瘤发病机制及转化研究教育部重点实验室
北京大学
[3]首都医科大学宣武医院核医学科
医技科室
核医学科
首都医科大学
首都医科大学宣武医院
[4]爱尔兰科克大学数学学院
出处：
ISSN：
关键词：
肺肿瘤
诊断
人工智能
正电子发射断层显像术
摘要：
目的观察深度信念网络(DBN)方法识别PET/CT图像良恶性肺结节的效果。方法收集216例肺结节患者的PET/CT图像,共339个肺结节,其中良性190个、恶性149个;共截取2 055张ROI图像,良性1 069张,恶性986张。对ROI图像进行灰度、大小归一化处理后,采用DBN方法进行分类诊断。通过实验方法确定网络结构及训练参数,并以混淆矩阵、总体精度、Kappa系数等指标评价分类结果。提取同一批图像数据非下采样双树复轮廓波变换(NSDTCT)的小波纹理参数,构建支持向量机分类模型(SVM),对比分析其与DBN的检测结果。结果 DBN和SVM方法测试集检测结果分别为总体精度0.94和0.72、灵敏度0.96和0.66、特异度0.92和0.96及Kappa系数0.87和0.42。结论 DBN识别肺结节良恶性的准确性高于SVM方法。
基金：
国家自然科学基金项目(81773542)；;国家青年科学基金项目(81703318)；
中文影响因子：
第一作者：
第一作者机构：
[1]首都医科大学公共卫生学院流行病与卫生统计学系北京市临床流行病学重点实验室
通讯作者：
通讯机构：
[*1]北京大学肿瘤医院暨北京市肿瘤防治研究所核医学科,恶性肿瘤发病机制及转化研究教育部重点实验室,100036
[*2]首都医科大学公共卫生学院流行病与卫生统计学系,100069
推荐引用方式(GB/T 7714)：
马圆,王风,韩勇,等.基于深度信念网络检测PET/CT图像肺结节良恶性[J].中国医学影像技术.2020,(1):77-80.
