应用于CT图像肺结节检测的深度学习方法综述

• 作者: 张少敏 张福玲
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 CT图像 候选结节检测 卷积神经网络
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 热点与综述
• 页码范围: 20-32
• 页数: 13页
• 分类号: TP391
• 字数: 16443字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2002-0051

摘要

肺癌是世界上死亡率最高的癌症,通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大.为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率,研究人员提出了计算机辅助检测(CAD)系统辅助放射科医生检测和诊断肺结节.目前,研究人员正在尝试不同的深度学习技术,以提高计算机辅助诊断系统在基于CT图像的肺癌筛查中的性能.这项工作回顾了作为肺癌检测的CAD系统目前典型的深度学习的算法和框架,主要从数据集介绍、2D深度学习方法、3D深度学习方法、数据不平衡问题的处理、模型训练方法以及模型可解释性这六个方面进行介绍.最后,对各个方法的主要特点和算法性能进行了综合比较分析,并对如何提高结节检测性能进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张福玲	北方民族大学计算机科学与工程学院	1	0	0.0	0.0
2	张少敏	北方民族大学计算机科学与工程学院	4	1	1.0	1.0