基于改进EfficientNet-B0模型的肺结节良恶性分类方法技术

本发明专利技术公开了一种基于改进EfficientNet

【技术实现步骤摘要】
基于改进EfficientNet
‑
B0模型的肺结节良恶性分类方法


[0001]本专利技术属于医学图像分类
，具体涉及基于改进EfficientNet
‑
B0模型的肺结节良恶性分类方法。

技术介绍

[0002]由于肺癌具有侵袭性和早期难以发现等特征，在世界范围内，肺癌仍是造成癌症死亡的主要原因。根据美国癌症协会发布的数据显示，平均每天会有350人死于癌症。另外数据还显示原位期、局部期和晚期肺癌的5年生存率分别为60％、33％和6％。因此，早诊断、早治疗对于提高肺癌患者生存率至关重要。肺癌患者早期肺部多以结节症状出现，因此对肺结节良恶性的诊断成为肺癌预防和治疗的重要方法。在医学上，病理学诊断是鉴别肺结节的金标准，但是具有耗时间和侵袭性的问题。计算机断层扫描(CT)作为一种非侵入方法为肺癌早期诊断提供了有效补充。然而一个病人往往有上百张CT图像，仅仅依靠人工对CT图像进行诊断工作量大、易漏诊，并且高强度的工作在一定程度上会造成医生误诊。因此，开发一种计算机辅助诊断系统自动诊断肺结节良恶性具有重要临床意义。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进EfficientNet
‑
B0模型的肺结节良恶性分类方法，其特征在于，包括以下步骤：步骤1：利用CT设备获取肺部断层扫描图像，本次分类任务使用的是美国肺部图像数据联盟(LIDC
‑
IDRI)数据集。然后获取已知肺结节区域的具有标签的肺结节图像，对具有标签的肺结节图像进行预处理，得到训练图像数据集、验证图像数据集和测试图像数据集；步骤2：建立基于改进EfficientNet
‑
B0模型的肺结节良恶性分类模型；步骤3：将肺结节训练图像数据集和验证集输入到基于改进的EfficientNet
‑
B0模型的肺结节良恶性分类模型，经过多轮训练出基于改进的EfficientNet
‑
B0模型的参数，从而获得基于改进EfficientNet
‑
B0模型的肺结节良恶性分类最终模型结构；步骤4：将肺结节测试集图像输入基于改进的EfficientNet
‑
B0模型的最终分类模型结构中，得到测试集图像的肺结节良恶性分类预测结果；所述基于改进EfficientNet
‑
B0模型的肺结节良恶性分类模型结构为：第一层结构是多尺度特征融合模块(MSFM)；等二层为ECA
‑
MBConv1卷积结构，卷积核尺寸为3
×
3，卷积结构重复次数为1次；第三层为ECA
‑
MBConv6卷积结构，卷积核尺寸为3
×
3，卷积结构重复次数为2次；第四层为ECA
‑
...

【专利技术属性】
技术研发人员：周孟然，王宁，高立鹏，王昊男，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：