应用于CT图像肺结节检测的深度学习方法综述

摘要：

肺癌是世界上死亡率最高的癌症,通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大.为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率,研究人员提出了计算机辅助检测(CAD)系统辅助放射科医生检测和诊断肺结节.目前,研究人员正在尝试不同的深度学习技术,以提高计算机辅助诊断系统在基于CT图像的肺癌筛查中的性能.这项工作回顾了作为肺癌检测的CAD系统目前典型的深度学习的算法和框架,主要从数据集介绍、2D深度学习方法、3D深度学习方法、数据不平衡问题的处理、模型训练方法以及模型可解释性这六个方面进行介绍.最后,对各个方法的主要特点和算法性能进行了综合比较分析,并对如何提高结节检测性能进行了展望.

关键词：深度学习、CT图像、候选结节检测、卷积神经网络

所属期刊栏目：56

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;北方民族大学研究生创新项目;国家民委创新团队"图像与智能信息处理"科研平台项目;北方民族大学"计算机视觉与虚拟现实"创新团队项目

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：20-32