C-3D可变形卷积神经网络模型的肺结节检测

摘要：

在C-3D卷积神经网络模型基础上,提出了一种三维可变形卷积神经网络以实现肺结节的检测.在模型的主体结构上,采用了三维可变形卷积和三维可变形池化的操作,解决了传统的方块卷积与池化在应对不规则的肺结节时,无法高效率地收集到肺结节像素点的问题.在模型的输入上,通过调整三维卷积神经网络的输入,实现了卷积神经网络对样本图片的32×32×32像素逐步扫描和识别,在扫描识别的同时进行定位,解决了肺结节定位问题.在模型的输出上,借鉴了全卷积神经网络的思想,将C-3D网络的第一层全连接层改为卷积层,解决训练时内存会溢出的问题.在模型参数上,提出了三种不同学习率和三种优化函数进行精确的实验对比,绘制了不同学习率和优化函数的参数对比图,根据实验结果找到最优的卷积神经网络模型学习率和优化函数参数.对实验结果的分析表明,该方法在受试者工作曲线下面积、分类准确率、召回率、F1值均取得了显著的提高.

关键词：图像处理、可变形卷积神经网络、肺结节、池化层

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：上海市教委工业机器人应用学位点建设与研究项目230001-17-13

在线出版日期：2020-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：144-154