基于三维卷积神经网络的肺结节识别研究

• 作者: 冯雨 吴晨玥 易本顺 章云港
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 图像处理 计算机辅助检测 肺结节 三维卷积神经网络 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 机器视觉
• 页码范围: 248-253
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/AOS201939.0615006

摘要

针对传统计算机辅助检测系统中肺结节检测存在大量假阳性的问题,提出一种基于三维卷积神经网络的肺结节识别方法.首先,将传统二维卷积神经网络扩展为三维卷积神经网络,充分挖掘肺结节的三维特征,增强特征的表达能力;其次,将密集连接网络与SENet相结合,在加强特征传递和复用的同时,通过特征重标定自适应学习特征权重;另外,引入focal loss作为网络的分类损失函数,提高对难样本的学习.在LUNA16数据集上的实验结果表明:与当前的主流深度学习算法相比,所提网络模型在平均每组CT图像中假阳个数为1和4时的检出率达到了0.911和0.934,CPM得分为0.891,优于大部分主流算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易本顺		90	681	13.0	21.0
2	章云港		5	1	1.0	1.0
3	冯雨		6	3	1.0	1.0
4	吴晨玥		4	0	0.0	0.0