10.16208/j.issn1000-7024.2021.04.023
融合残差模块的U-Net肺结节检测算法
为解决现有肺结节检测模型精度低、漏诊率和误诊率高等问题,提出融合残差模块的肺结节检测算法.候选结节检测阶段,提出残差U-Net (residual U-Net,RU Net)分割网络,将改进的残差网络(residual network,ResNet)模块与UNet结构融合,提升模型特征提取能力;加入改进的损失函数解决数据类别不均衡问题,提高检测敏感度.假阳性减少阶段,采用三维卷积神经网络(3D CNN)用于候选结节分类,充分获得结节空间信息,达到降低假阳性的目的.实验结果表明,该算法能够准确并高效地分割和检测肺结节.
计算机辅助诊断、CT图像、肺结节、深度学习、卷积神经网络、残差网络
42
TP391(计算技术、计算机技术)
山西省自然科学基金项目;山西省研究生创新基金项目
2021-05-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
1058-1064