DenseNet-centercrop:一个用于肺结节分类的卷积网络

• 作者: 冯元力 刘一璟 周哲磊 张建伟 张旭斌 陈为
• 来源期刊: 浙江大学学报（理学版）
• 学科: 工学
• 关键词: 肺结节分类 电子计算机断层扫描图像 稠密连接卷积网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与可视计算
• 页码范围: 20-26
• 页数: 7页
• 分类号: TP391.41
• 字数: 4608字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-9497.2020.01.003

摘要

为解决由肺部CT图像对肺结节进行良恶性分类的问题,提出了一个新颖的端到端深度学习网络DenseNet-centercrop.通过在原有的DenseNet结构中的稠密块间增加新的分支,引入了中心剪裁操作.该网络结构具有2个优势:(1)不仅最大程度保留了DenseNet的结构,而且将其稠密连接机制扩展到了稠密块水平,大大丰富了肺结节的多尺度特征.(2)参数量较少,是一种轻量化的网络结构.将基于该网络的肺结节良恶性分类方法在LIDC-IDRI数据集上进行评估,实验结果表明,DenseNet-centercrop极大地提高了DenseNet的性能,较现有的其他肺结节良恶性分类方法具有更高的AUC分值和分类精度.