基于深度学习的肺部肿瘤检测方法

• 作者: 谢世朋 陈强锐
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 深度学习 肺部肿瘤检测 特征提取 卷积神经网络 区域建议网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 应用开发研究
• 页码范围: 201-204
• 页数: 4页
• 分类号: TP391
• 字数: 2960字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.04.043

摘要

随着现代计算机技术的发展与应用,计算机辅助诊断系统在医学影像分析领域的地位变得愈发重要.其技术的关键在于病灶的定位与分类.由于图像的特征提取十分复杂,若应用传统机器学习方法,则需对图像作大量的预处理.文中提出一种基于深度学习的肺部肿瘤检测方法,运用卷积神经网络对患者肺部肿瘤图像进行特征提取.结合区域建议网络预测肿瘤在图片中可能存在的位置,同时生成建议框.利用学习好的特征对目标区域进行分类并微调建议框的位置.该方法无需人工设计目标特征,通过卷积神经网络学习到的特征更加具有代表性,且能够较好地预测肿瘤的位置.在NLST以及Kaggle的数据集上对该方法进行了评估.实验结果表明,该方法具有较高的准确率和效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢世朋	南京邮电大学通信与信息工程学院	14	42	4.0	5.0
2	陈强锐	南京邮电大学通信与信息工程学院	1	6	1.0	1.0