CT 모달리티 의료 영상에서 합성곱 신경망 훈련 시 특징 추출이 불충분하고 특징 차원이 높은 문제를 해결하기 위해, 본 논문에서는 다중 스케일 영상을 융합한 비음수 희소 협동 표현 분류 기반의 밀집 신경망 폐 종양 인식 방법(Multi Scale DenseNet-NSCR)을 제안한다. 첫째, 전이 학습을 사용하여 사전 학습된 밀집 신경망 모델의 초기 매개변수를 설정한다; 둘째, 폐 영상을 전처리하여 다중 스케일 병변 ROI 영역을 추출한다; 셋째, 다중 스케일 CT 영상을 사용해 밀집 신경망을 훈련시키고 완전 연결층의 특징 벡터를 추출한다; 넷째, 융합 특징의 고차원 문제를 해결하기 위해 비음수 희소 협동 표현 분류기(NSCR)를 사용하여 특징 벡터를 표현하고 계수 행렬을 구한다; 다섯째, 잔차 유사도를 이용해 분류를 수행한다. 마지막으로 AlexNet, DenseNet-201 모델과 세 가지 분류 알고리즘(SVM, SRC, NSCR) 두 개씩 조합한 모델과 비교 실험을 진행하였으며, 실험 결과 Multiscale-DenseNet-NSCR 분류 성능이 다른 모델보다 우수하고 특이도 및 민감도 등 평가 지표도 높아 본 방법은 견고성과 일반화 능력이 우수함을 보여준다.

밀집 신경망;다중 스케일 의료 영상;전이 학습;NSCR 알고리즘