Resumen

Este trabajo se centra en el problema de la clasificación de imágenes de nódulos pulmonares, que desempeña un papel clave en el diagnóstico temprano del cáncer de pulmón. En este trabajo, proponemos un modelo novedoso para la representación de características de imágenes de nódulos pulmonares que incorpora tanto caracteres locales como globales. Primero, las imágenes de nódulos pulmonares se dividen en parches locales con Superpixel. Luego, estos parches se transforman en vectores de características locales de longitud fija utilizando un autoencoder profundo no supervisado (DAE). El vocabulario visual se construye en base a las características locales y se utiliza el modelo de bolsa de palabras visuales (BOVW) para describir la representación de características globales de la imagen de nódulo pulmonar. Finalmente, se emplea el algoritmo softmax para la clasificación de tipos de nódulos pulmonares, lo que puede ensamblar todo el proceso de entrenamiento como un modo de extremo a extremo. Se realizan evaluaciones exhaustivas en la ampliamente utilizada base de datos

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Problema; Clasificación de imágenes de nódulos pulmonares; Diagnóstico temprano de cáncer; Modelo novedoso; Representación de características; Características globales
• Keywords:Problem; Lung nodule image classification; Cancer early diagnosis; Novel model; Feature representation; Global characters