基于三维卷积神经网络的肺结节假阳性筛查

摘要：

从CT影像中检测肺结节在肺癌的早期诊断中至关重要,而肺结节假阳性的筛查是提高肺结节检测准确度的重要一步.为了从大量候选结节中快速准确地区分出真正的肺结节,设计了一个3D卷积神经网络(CNN)筛查肺结节假阳性.提出了网络模型,通过恒等映射和残差单元来加速模型训练,采用单连接路径重复利用特征并重组新特征.基于该模型的肺结节假阳性筛查方法,与基于2D CNN的方法相比,不仅可以省略数据切片步骤,而且能够充分利用CT影像的空间信息;与其他基于3D CNN的方法相比,具有参数量小、模型训练快的优点.该方法在LUNA16数据集中的假阳性筛查中取得了较高的敏感度.

关键词：3DCNN、肺结节、假阳性筛查

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61801428,61672453;浙江省自然科学基金项目LY18F020034;浙江大学教育基金会项目K18-511120-004、K17-511120-017;之江实验室重大科研项目2018DG0ZX01

在线出版日期：2019-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：423-428