基于深度卷积神经网络的肺结节检测算法

摘要：

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.

关键词：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

所属期刊栏目：39

分类号：TP181;TP391.413(自动化基础理论)

在线出版日期：2019-08-09（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：2109-2115