基于迁移学习的计算机辅助肺部图像检测
为解决统计算机辅助检测(CAD)中肺部医学图像的训练和测试数据必须服从相同分布、并且解决泛化能力差等问题,提出了一种基于TrAdaBoost的迁移学习解决方案.首先量化了肺部源数据和辅助数据的相似性分布,提出迁移AdaBoost的肺部医学影像计算机辅助检测算法(TrAdaBoostCAD),并对基分类器的选择、分类器参数的设置进行了详细实验和验证.实验结果表明,TrAdaBoostCAD可以实现数据分布不同的肺部图像数据间的样本迁移.与传统的分类方法相比,分类准确率提高了1％-6％.
放射医学 肺部图像 计算机辅助检测 迁移学习 分类器 特征提取
林永锋 冯宏伟 李展 冯筠
西北大学信息科学与技术学院,西安,710127
国内会议
西安
中文
356-362
2013-08-03（万方平台首次上网日期，不代表论文的发表时间）