基于三维卷积神经网络降低肺结节检测假阳性的方法

摘要：

目的 为降低在计算机断层扫描图像中筛查肺结节的假阳性率,提出了一种基于三维卷积神经网络降低肺结节检测假阳性的方法.方法 选用美国2016年肺结节分析挑战赛提供的两个版本的开源数据集,分别用于模型的训练和测试.首先应用图像增强技术解决数据集中正负样本分布不均衡的问题,并基于多视角采样技术扩充正样本;基于自动编码器及K-means无监督聚类方法将负样本分为5类,并分别与正样本组合得到了5个训练集,该方法既减少了每个数据集中负样本的样本量又保证了负样本的多样性.然后搭建三维卷积神经网络,并分别使用构建的5个训练集训练网络,在此过程中不断调整和优化网络结构和参数,得到5组降低肺结节假阳性检测模型,接着利用简易集成法对肺结节进行综合判决.结果 经测试,模型的敏感性和特异性分别为0.966和0.996,通过FROC曲线计算得出CPM得分为0.886.结论 本文提出的方法可以有效降低肺结节检测假阳性,可以为肺癌筛查工作提供有效帮助.

关键词：图像处理、深度学习、三维卷积神经网络、计算机辅助检测、肺结节

所属期刊栏目：41

分类号：R318.04;TP391(医用一般科学)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家重点研发计划

在线出版日期：2022-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：352-359,380