10.11772/j.issn.1001-9081.2019010056
基于深度卷积神经网络的肺结节检测算法
在传统的肺结节检测算法中,存在检测敏感度低,假阳性数量大的问题.针对这一问题,提出了基于深度卷积神经网络(CNN)的肺结节检测算法.首先,有目的性地简化传统的全卷积分割网络;然后,创新地加入对部分CNN层的深监督并使用改进的加权损失函数,获得高质量的候选肺结节,保证高敏感度;其次,设计了基于多尺度上下文信息的三维深度CNN来增强对图像的特征提取;最后,将训练得到的融合分类模型用于候选结节分类,以达到降低假阳率的目的.所提算法使用了LUNA16数据集,并通过对比实验验证算法的性能.在检测阶段,当每个CT检测出的候选结节数为50.2时,获得的敏感度为94.3%,与传统的全卷积分割网络相比提升了4.2个百分点;在分类阶段,竞争性能指标达到0.874.实验结果表明,所提算法能够有效提高检测敏感度和降低假阳率.
肺结节检测、深度卷积神经网络、深监督、加权损失函数、多尺度
39
TP181;TP391.413(自动化基础理论)
2019-08-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
2109-2115