论文部分内容阅读
针对目前计算机辅助肺结节良恶性分类模型精度较低的问题,提出了一种基于CT图像的集成随机森林模型肺结节良恶性鉴别方法。首先分割肺结节区域,提取其影像学特征向量输入多个基分类器;然后利用每个基分类器的置信度构建集成模型的分类损失函数,求出每个基分类器的权重;最后根据每个基分类器输出的类别概率值进行加权求和,求得其中概率最大值的类作为分类类别。为验证提出的分类模型性能,设计三种实验方案进行测试,准确率分别达到96.41%、91.36%、95.82%;与已有的肺结节良恶性分类模型进行对比,结果表明,集成随机