基于目标检测算法的肺结节辅助诊断系统

摘要：

据统计,肺癌在全世界范围内是发病率、致死率最高的疾病之一.随着计算机辅助诊断系统(CAD)和卷积神经网络(CNN)的成熟化,医疗领域的诊断治疗也逐渐智能化.本文提出一种基于目标检测算法的肺结节自动检测方法,并提出一套将阈值分割算法和数字形态学处理相结合的肺实质CT影像处理流程.对LUNA16数据集中的1186个肺结节进行训练和学习,观察YOLO V3模型在数据集中的评价结果来验证模型,实验结果准确率达到92.18％,每张图片平均检测时间为0.035 s.与现有的肺结节检测算法SSD、CNN、U-Net等模型进行对比试验,以验证YOLO V3模型的有效性.同时本文基于CAD技术设计肺结节辅助诊断系统,实现人机交互,为医生提供简单明了的辅助诊断工具.

关键词：肺结节检测、目标检测算法、YOLO V3、肺实质图像分割、CAD

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;深圳市基础研究项目;武汉市应用基础前沿专项

在线出版日期：2020-12-04（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：1-7