[发明专利]基于卷积神经网络的肺结节良恶性预测方法

权利要求书

1.一种基于卷积神经网络的肺结节良恶性预测方法，其特征在于，所述方法包括：

从肺结节坐标中获取多尺度肺结节图像块；

根据所述多尺度肺结节图像块构造所述多尺度肺结节图像块对应的各个卷积神经网络；

根据损失函数利用所述多尺度肺结节图像块训练所述卷积神经网络；

利用训练的卷积神经网络提取肺结节的低维特征；

利用所述低维特征训练非线性分类器，并预测未知肺结节图像块。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多尺度肺结节图像块构造所述多尺度肺结节图像块对应的各个卷积神经网络包括：

根据下式计算所述卷积神经网络的卷积层：

y=max(0,Σcfc*hc+b)]]>

其中，f_c为所述肺结节图像块，h_c为卷积核，b为标量。

3.根据权利要求1所述的方法，其特征在于，所述根据损失函数利用所述多尺度肺结节图像块训练所述卷积神经网络包括：

根据下式计算所述损失函数：

loss＝max(0,1-ty^feat)

其中，loss为所述多维图像块对应的损失函数，y^feat为所述卷积神经网络的输出概率，t为肺结节的良恶性表示。

4.根据权利要求1所述的方法，其特征在于，所述利用训练的卷积神经网络提取肺结节的低维特征包括：

根据所述肺结节图像块利用所述卷积神经网络提取所述肺结节的低维特征。

5.根据权利要求1所述的方法，其特征在于，所述非线性分类器包括随机森林分类器或支持向量机分类器，利用所述低维特征训练非线性分类器，并预测未知肺结节图像块包括：

利用所述低维特征训练随机森林分类器，并预测未知肺结节图像块；或

利用所述低维特征训练支持向量机分类器，并预测未知肺结节图像块。