基于尺寸自适应深度神经网络的胸部CT图像肺结节检测

摘要：

使用计算机断层扫描(CT)筛查肺结节是早期肺癌诊断的重要手段.但由于肺结节在形状、大小和位置上有存在很大的差异,目前肺结节尤其是小结节的自动检测依然具有挑战性.为了实现高灵敏度的肺结节检测,提出一种新的计算机辅助检测系统,该系统采用两种新的策略:尺寸自适应候选检测(SACD)和尺寸自适应假阳性抑制(SAFPR).首先,SACD结合深层和浅层卷积特征构建高级特征,以获得感兴趣区域的位置和大小信息;然后将检测结果送入用于筛查不同大小结节的3个并行子网络,从而细化SACD的检测结果,提高检测系统的准确性和鲁棒性.在LIDC-IDRI数据集(1186个结节)上的验证结果表明,该系统在1 FPs/扫描的情况下,可以达到96％的灵敏度,其性能可达到或优于最新的智能诊断系统.在包含430个结节的独立数据集实验结果表明,对于(3.89±2.34)mm的结节,在0.3FPs/扫描时,该系统的检测灵敏度为69.53％,与两位经验丰富的放射科医生的人工筛查结果相当,表明该系统具有一定的临床应用价值.

关键词：计算机断层扫描;计算机辅助检测;卷积神经网络;肺结节

所属期刊栏目：40

分类号：R318(医用一般科学)

资助基金：国家重点研发计划;国家自然科学基金;河北省自然科学基金

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：691-700