[1]李语心１,赵艳娜２,谢荣理３,等.面向甲状腺结节良恶分类的cRes-GAN算法[J].机械与电子,2020,(04):6-10.
　,,et al.A cRes-GAN Algorithm for Classification of Benign or Malignant Thyroid Nodules[J].Machinery & Electronics,2020,(04):6-10.

点击复制

面向 甲状腺结节良恶分类的cRes-GAN算法 ()

分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:

期数:

2020年04期

页码:

6-10

栏目:

设计与研究

出版日期:

2020-04-20

文章信息/Info

Title:

A cRes-GAN Algorithm for Classification of Benign  or Malignant Thyroid Nodules

文章编号:

１００１- ２２５７（２０２０）０４- ０００６- ０５

作者:

李语心^１; 赵艳娜^２; 谢荣理^３; 刘浚嘉^１; 付 庄^１; 王 尧^１; 张 俊^３; 费 健^３

１.上海交通大学机械系统与振动国家重点实验室，上海 ２００２４０；

２．上海市瑞金康复医院，上海 ２０００２３；
３．上海交通大学医学院附属瑞金医院，上海 ２０００２５

Author(s):

ＬＩＹｕｘｉｎ^１; ＺＨＡＯＹａｎｎａ^２; ＸＩＥＲｏｎｇｌｉ^３; ＬＩＵＪｕｎｊｉａ^１; ＦＵＺｈｕａｎｇ^１; ＷＡＮＧＹａｏ^１; ＺＨＡＮＧＪｕｎ^３; ＦＥＩＪｉａｎ^３

１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｅｃｈａｎｉｃａｌＳｙｓｔｅｍａｎｄＶｉｂｒａｔｉｏｎ，ＳｈａｎｇｈａｉＪｉａｏＴｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２００２４０，Ｃｈｉｎａ；

２．ＳｈａｎｇｈａｉＲｕｉｊｉｎＲｅｈａｂｉｌｉｔａｔｉｏｎＨｏｓｐｉｔａｌ，Ｓｈａｎｇｈａｉ２０００２３，Ｃｈｉｎａ；

３．ＲｕｉｊｉｎＨｏｓｐｉｔａｌＡｆｆｉｌｉａｔｅｄｔｏＳｈａｎｇｈａｉＪｉａｏＴｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００２５，Ｃｈｉｎａ

关键词:

甲状腺结节; 图像分类; 生成对抗网络; ｃＲｅｓ- ＧＡＮ

Keywords:

ｔｈｙｒｏｉｄｎｏｄｕｌｅ; ｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ; ＧＡＮ; ｃＲｅｓ- ＧＡＮ

分类号:

ＴＰ３９１.７

文献标志码:

A

摘要:

针对甲状腺结节良恶性分类问题，设计建立了条件限制残差生成对抗网络（ｃＲｅｓ- ＧＡＮ）算法。利用 ＤＩＣＯＭ 格式的１５０１份甲状腺结节数据建立了数据集，并且在该数据集上进行测试得到算法分类正确率为９２．２％。将ｃＲｅｓ- ＧＡＮ 与 Ｈｏｇ＋随机森林、ＲｅｓＮｅｔ１８，Ｒｅｓ１８ＧＡＮ，ＡＣＧＡＮ 等其他４种算法相比，其分类正确率分别提升了２４．８％，１０．０％，１２．６％和２５．３％，分类效果得到了显著提升。所设计的算法可为医生的甲状腺结节良恶性诊断提供有效的辅助建议。

Abstract:

A new method of thyroid nodule malignancy classification algorithmwas proposed. Aiming at the classification problem of thyroid nodule DICOM files, a conditioned residual generative adversarial network (cRes-GAN) was designed. By using the discriminator of cRes-GAN to classify the ultrasound images of thyroid nodule, the accuracy arrives at 92.2%. Compared with the traditional image feature extraction method (Histogram of oriented gradient) followed by random forests classifier, residual networks, Res18GAN, and ACGAN, the accuracy of our method was significantly improved, of which the improvements are24.8%,10.0%,12.6%,25.3% repectively. cRes-GAN solved the problem of thyroid nodule classification problem, and can provide effective suggestions to doctors’ diagnosis.

备注/Memo

备注/Memo:

收稿日期：２０１９- １２- ０３

基金项目：国家自然基金面上项目（６１９７３２１０）；上海市科学技术委员会项目（１７４４１９０１０００）；上海市黄浦区科研新项目（ＨＫＱ２０１８１０）；医工交叉项目（ＹＧ２０１９ＺＤＡ１７，ＺＨ２０１８ＱＮＢ２３）；上海市卫计委项目（２０１６４０２３０，２０１４４Ｙ００８４）

作者简介：李语心 （１９９５－），女，上海人，硕士研究生，研究方向为机器学习；赵艳娜 （１９８５－），女，上海人，主治医师，研究方向为超声诊断及介入治疗；谢荣理 （１９９０－），男，上海人，住院医师，研究方向为机器人的临床应用；刘浚嘉 （１９９７－），男，辽宁大连人，硕士研究生，研究方向为强化学习；付 庄 （１９７２－），男，山东招远人，教授，研究方向为特种机器人与控制系统，通信作者；王 尧 （１９８８－），男，山西平遥人，博士、博士后，研究方向为医疗／穿刺手术机器人。

常用功能