融合分类器与级联卷积神经网络结合的肺结节分类
计算机视觉与模式识别
2017-12-19 v2 机器学习
摘要
肺结节分类是一个类不平衡问题，因为结节的发现频率远低于非结节。在类不平衡问题中，传统分类器往往被多数类淹没而忽略少数类。我们在先前的研究中表明，对于类不平衡的结节候选数据集，级联卷积神经网络能够精确分类结节候选。本文中，我们提出将融合分类器与级联卷积神经网络模型结合。为融合模型，首先利用卷积神经网络模型计算结节概率，随后用结节概率训练和测试融合分类器。所提方法在自由受试者工作特征（FROC）曲线分析中，分别于每次扫描4和8个假阳性时达到94.4%和95.9%的灵敏度。
引用
@article{arxiv.1712.02198,
title = {Lung Nodule Classification by the Combination of Fusion Classifier and Cascaded Convolutional Neural Networks},
author = {Masaharu Sakamoto and Hiroki Nakano and Kun Zhao and Taro Sekiyama},
journal= {arXiv preprint arXiv:1712.02198},
year = {2017}
}
备注
Draft of ISBI2018. arXiv admin note: text overlap with arXiv:1703.00311