用于肺结节检测和分类的两阶段深度学习方法

• 作者: 王欣 薛潺涓 贾锋
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 肺结节 检测 分类 深度学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 329-336
• 页数: 8页
• 分类号: TP391
• 字数: 4588字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2019308

摘要

针对肺部CT数据具有空间信息的特点,提出一种基于深度学习的两阶段方法,即使用两个3D卷积网络有效学习结节特征,对C T图像中的肺结节进行检测和分类.该方法的检测器部分采用基于U-Net的编码器-解码器结构的3D语义分割模型,以预测结节的位置、大小和语义掩码;分类器部分采用3D双路径网络,用于特征的汇总和收缩,并给出分类结果.为充分利用原始数据中的特征信息,将检测器的结果应用于对原始数据进行采样和掩码操作,并通过空间金字塔池化层获得一致的输入尺度.在公开数据集上的实验结果表明,该深度学习方法对CT图像肺结节的检测和分类具有良好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王欣	吉林大学计算机科学与技术学院	171	884	14.0	22.0
2	贾锋	吉林大学计算机科学与技术学院	1	0	0.0	0.0
3	薛潺涓	吉林大学计算机科学与技术学院	1	0	0.0	0.0