[发明专利]基于对抗生成网络和自编码结合的肺结节良恶性分类方法

摘要

本发明公开了一种基于对抗生成网络和自编码器结合的肺结节良恶性分类方法。其实现步骤包括：1)对原始肺结节图像进行预处理，根据其注释文件裁剪出感兴趣区域；2)对肺结节图像进行数据增强；3)建立对抗生成网络的模型，利用只含良性肺结节的训练集对对抗生成网络模型进行训练；4)将自动编码器与训练好的对抗生成网络模型进行叠加结合，构建新型肺结节良恶性分类器，利用只含良性肺结节的训练集对新型分类器进行训练；5)利用新型分类器对混合良恶性肺结节图像的测试集进行测试，计算良恶性打分，得到分类结果。本发明无需大量带标签数据，只需利用良性肺结节训练，便可分类出肺结节的良恶性，且提高了分类的准确性，帮助医生快速识别肺结节种类。

主权项

1.基于对抗生成网络和自编码结合的肺结节良恶性分类方法，其特征在于包括以下步骤：/n(1)制作样本数据集，根据肺结节公开数据集LIDC-IDRI的原始数据集，通过读取原始数据集的XML格式注释文件，提取出肺结节坐标和良恶性程度的信息，分割出肺结节ROI区域，组成样本数据集；/n(2)扩充样本数据集，对样本数据集进行数据增强预处理，扩充数据集，使用良性肺结节作为训练集和验证集，使用良性和恶性肺结节混合作为测试集；/n(3)训练对抗生成网络模型，使用只包含良性肺结节的训练集和验证集对对抗生成网络模型进行训练，得到训练好的生成器和判别器；/n(4)训练新型分类器，将自编码器与训练好的对抗生成网络模型进行叠加结合，构建新型肺结节良恶性分类器，使用只包含良性肺结节的训练集和验证集对新型分类器进行训练，得到训练好的新型分类器；/n(5)肺结节良恶性分类，利用训练好的新型肺结节良恶性分类器对混合良恶性肺结节图像的测试数据集进行良恶性分类，计算良恶性打分，得到分类结果。/n