基于深度学习的CT影像肺结节检测

• 作者: 安烁文 常振东 李文辉 王博 裴昀 赵梓淇
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 深度学习 肺结节 深度U-Net网络 语义分割 全卷积网络(FCN)
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 创新园地
• 页码范围: 572-581
• 页数: 10页
• 分类号: TP193
• 字数: 4146字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2019.05.018

摘要

为辅助医生检测大量肺部CT(Computed Tomography)图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割.由于U-Net网络出自于全卷积网络(FCN:Full Convolution Network),特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT图像的分割掩膜.实验结果表明,该方法对肺结节的检测效果良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文辉	吉林大学计算机科学与技术学院	105	809	17.0	22.0
2	王博	吉林大学计算机科学与技术学院	78	348	10.0	17.0
3	赵梓淇	吉林大学计算机科学与技术学院	1	1	1.0	1.0
4	裴昀	吉林大学电子科学与工程学院	1	1	1.0	1.0
5	常振东	吉林大学计算机科学与技术学院	1	1	1.0	1.0
6	安烁文	吉林大学计算机科学与技术学院	1	1	1.0	1.0