基于卷积神经网络的胸片肺野分割与肺结核的筛查研究
目的 探究基于卷积神经网络的级联深度学习模型在胸部X线平片图像上对肺野分割以及肺结核筛查的应用价值.方法 搜集2018年10月至2020年2月行胸部X线摄影检查的健康对照组1300名和肺结核患者825例,随机选择140名健康对照组和60例患者组成肺野分割数据集,评价基于U-net++网络的深度学习模型对胸片肺野的分割效果.划分数据集中的80%(1700例)作为训练集,20%(425例)作为测试集,使用四种分类网络(VGG 16、Inception V3、Resnet 101、Densenet 121)对分割结果内是否存在结核病灶进行判断,并使用网络公开的深圳市第三人民医院肺结核数据集(CHX)对模型的检出效能进行评价.结果 级联模型中U-net++分割网络对胸片肺野分割的Dice相似指数与交并比(IOU)分别达到99.42%和98.84%;VGG 16、Inception V3、Resnet 101及Densenet 121四种分类网络对肺结核的筛查率最高分别为95.77%、96.00%、94.35%和95.06%;四种分类网络在CHX数据集上的最高检出率分别为84.44%、83.99%、81.42%和86.25%,曲线下面积(AUC)分别达到0.896、0.881、0.919和0.935.结论 基于卷积神经网络的级联深度学习模型对胸片上肺野的分割效果良好,对肺结核的筛出具有较高的应用价值,模型具有一定的泛化能力.
深度学习、卷积神经网络、级联模型、肺结核
42
TP391.41;TP183;TP79
国家重点研发计划2021YFA000900
2023-06-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
671-677