来源：期刊VIP网 时间：
作者：董丰玮;燕杨;屈超凡;
单位：长春师范大学计算机科学与技术学院;
摘要：肺结节良恶性鉴别在肺癌早期诊断中具有重要价值，深度学习技术特别是卷积神经网络（CNN）已成为该领域核心方法。然而，当前方法在处理肺结节大小、形状、生长方向等特征之间的空间关系时尚显不足，易受无关特征和噪声干扰。胶囊网络在处理特征空间关系和噪声上具有独特优势，但原始胶囊网络因其初始为单层卷积结构，只能处理手写数字体等简单图像，因此，文中提出一种改进的胶囊网络架构来解决上述问题。文中改进主要是对原始胶囊网络模型的增强与扩展，融入了双路并行卷积结构和反卷积层。并行卷积结构强化了模型对复杂图像特征的捕获能力，反卷积层增强了模型的空间解析力，提升了图像局部细节的识别精度。结合两者，改进的胶囊网络在肺结节良恶性分类任务中展现出高效的特征捕获能力和对噪声的鲁棒性。实验结果表明，在LIDC-IDRI标准数据集上，文中提出模型的各项性能指标优于现有方法，精确率达到了95.70%，特异性达到了98.58%，同时AUC高达97.98%。
关键词：深度学习;;医学图像;;图像识别;;肺结节;;良恶性;;卷积神经网络;;多尺度卷积;;胶囊网络
基金资助：吉林省自然科学基金项目（YDZJ202101ZYTS147）
