基于改进U-net的肺癌识别方法

摘要：

目前基于深度学习的肺癌辅助诊断方法存在无法准确定位病灶的缺陷.针对该问题,在现有U-net网络结构的基础上提出一种分两步走的基于改进U-net的肺癌识别方法.利用U-net获得病灶精确位置,通过CNN分类网络对病灶进行诊断,得到原始CT图像的检测结果.实验结果表明,该方法可以对肺部病灶进行较为精确的定位,分割效果的DSC相似度指数超过80％,对肺癌病灶进行分类诊断的准确率达到90.7％.

关键词：肺结节、计算机断层扫描图像、U形网络、肺癌识别、CNN

所属期刊栏目：42

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目;教育部高等教育司产学合作协同育人基金项目;全国高等学校计算机教育研究会2019年度课题基金项目;"天诚汇智"创新促教基金项目;2019年度北京市教委基本科研业务费基金项目

在线出版日期：2021-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：256-262