基于级联卷积神经网络的前列腺磁共振图像分类

• 作者: 刘可文 刘朝阳 刘紫龙 吴光耀 李钊 汪香玉 陈黎
• 来源期刊: 波谱学杂志
• 学科: 物理学
• 关键词: 磁共振成像(MRI) 级联卷积神经网络(CascadedCNN) 前列腺癌(PCa) 分类
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 152-161
• 页数: 10页
• 分类号: O482.53
• 字数: 4060字
• 语种: 中文
• DOI: 10.11938/cjmr20192717

摘要

针对深度学习训练成本高,以及基于磁共振图像的前列腺癌临床诊断需要大量医学常识且极为耗时的问题,本文提出了一种基于级联卷积神经网络(Convolutional Neural Network,CNN)和磁共振图像的前列腺癌(Prostate Cancer,PCa)自动分类诊断方法,该网络以Faster-RCNN作为前网络,对前列腺区域进行提取分割,用于排除前列腺附近组织器官的干扰;以基于ResNet改进的网络结构CNN40bottleneck作为后网络,用于对前列腺区域病变进行分类.后网络由瓶颈结构串联组成,其中使用批量标准化(Batch Normalization,BN)、全局平均池化(Global Average Pooling,GAP)进行优化.实验结果证明,本文方法对前列腺癌诊断结果较好,而且缩减了训练时间和参数量,有效降低了训练成本.