基于Faster R-CNN的肺结节检测改进方法

• 作者: 傅旭鹏 刘毛 朱剑波 谭雨蒙 贺连超 陈丽娜
• 来源期刊: 浙江师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 肺部CT图像 肺结节检测 卷积神经网络 多特征融合 单阶段模式
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机
• 页码范围: 396-402
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16218/j.issn.1001-5051.2020.04.006

摘要

为了解决传统的肺结节检测模型检测敏感度低、假阳性高的问题,提出了一种基于三维卷积神经网络的肺结节检测模型.首先,为了提高运行速度和网络灵活性,采用了单阶段模式,没有假阳性减少阶段;其次,基于上述模型对Faster R-CNN网络进行了改进,创新地将类3D UNet++体系结构作为其区域建议网络的主干,并采用残差块的灵活嵌套模式.3D UNet++网络和残差块都具有多特征融合特性,增强了该模型对特征提取的能力.实验表明:本文改进的方法在基于LUNA16数据集上的假阳性筛查中,其平均敏感度可达到87％,较UNet++网络增长了7.5％;召回率(敏感度)高达95.5％,较VGG16网络增长了7.36％.由此可见,该改进模型能够明显提高检测敏感度和降低假阳性,可为临床应用提供理论参考.