论文研究基于集成随机森林模型的肺结节良恶性分类.pdf

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，集成随机森林分类模型能够有效提高肺结节鉴别良恶性的准确度。