摘要：目的观察深度信念网络(DBN)方法识别PET/CT图像良恶性肺结节的效果。方法收集216例肺结节患者的PET/CT图像,共339个肺结节,其中良性190个、恶性149个;共截取2055张ROI图像,良性1069张,恶性986张。对ROI图像进行灰度、大小归一化处理后,采用DBN方法进行分类诊断。通过实验方法确定网络结构及训练参数,并以混淆矩阵、总体精度、Kappa系数等指标评价分类结果。提取同一批图像数据非下采样双树复轮廓波变换(NSDTCT)的小波纹理参数,构建支持向量机分类模型(SVM),对比分析其与DBN的检测结果。结果DBN和SVM方法测试集检测结果分别为总体精度0.94和0.72、灵敏度0.96和0.66、特异度0.92和0.96及Kappa系数0.87和0.42。结论DBN识别肺结节良恶性的准确性高于SVM方法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社