基于3D卷积网络的结肠癌CT图像分类研究
结直肠肿瘤是全世界排名前三的肿瘤之一,目前在CT图像中筛查出结肠肿瘤仍需要放射科医生手工完成,这是一项费时费力的重复性劳动,文中研究了用3D卷积网络在腹部CT图像上提取3D特征,判断CT图像中是否有结肠癌病灶的方法.文中采集了一个有348例样本的结肠癌CT图像数据集,设计了 3种不同结构的3D卷积网络,对采集的腹部CT图像进行了正常/非正常二分类实验,文中性能最好的模型C是一个带有3个改进的残差模块的3D卷积网络,正常/非正常二分类实验的平均准确率为96.2%,AUC为0.989,分别比基准模型提高了 2.2%、2.9%.实验结果表明,3D卷积网络在结肠癌CT的正常/非正常二分类任务上准确率高,泛化能力好,且只需要CT级弱标定数据集,具有潜在的临床应用价值.
3D卷积、残差学习、CT图像分类、深度学习
40
TP391.41;R735.35;TN957.52
浙江省医药卫生科技项目;金华市科技局重点项目
2022-10-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
1024-1028