基于多特征融合与XGBoost的肺结节检测
Chinese Journal of Medical Physics（2021）
摘要
为了提高肺结节检测的精确度和效率,提出一种基于多特征融合和XGBoost的肺结节检测模型.首先采用阈值分割与形态学运算,获得候选结节区域;然后通过基于超分辨率重建的卷积神经网络进行候选结节的特征增强;其次采用快速鲁棒特征、灰度共生矩阵、灰度不变矩的提取方法获得候选结节的局部与全局的多种特征,采用词袋模型进行降维并融合;最后利用XGBoost-决策树分类模型去除假阳性结节,完成肺结节的检测.在LIDC-IDRI数据上进行的实验表明该模型能达到97.87％的准确率和97.92％的召回率.该模型可用于辅助医生进行肺结节诊断,具有一定的临床应用价值.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要