基于深度学习的肺癌患者颈部淋巴结良恶性辅助超声诊断

• 作者: 吴卫华 宫霞 张文涛 王雷 陈洁
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度学习 噪声激励函数 医疗影像
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 218-223,249
• 页数: 7页
• 分类号: TP3-05
• 字数: 5011字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.11.035

摘要

深度学习技术辅助超声影像诊断可以提高检测的精度和效率.提出一种用于超声图像分割的改进UNet卷积网络.该网络将噪声激励函数NHReLU和NHSeLU代替ReLU噪声激励函数,对成本函数增加权重参数.通过在两个尺度上预测,很好地处理了超声图像中标注区域尺寸变化的问题,提高对淋巴结超声图像分割效果.使用VGG、ResNet和DenseNet等网络预测淋巴结病灶区域的良恶性.实验表明,分割网络性能优异,Dice系数达到0.90,模型能够很好防止过拟合.在小样本下预测良恶性各指标都得到提高,为深度学习技术应用于超声图像检测提供了新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴卫华		39	310	9.0	16.0
3	陈洁		235	1743	23.0	34.0
5	王雷		121	1119	17.0	26.0
11	宫霞		10	166	5.0	10.0
13	张文涛		4	5	1.0	2.0