基于深度学习的肺结节自动检测算法

• 作者: 乔璐 张浩洋 李莉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 深度学习 多尺度卷积神经网络 CT影像 肺结节检测
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 95-100
• 页数: 6页
• 分类号: TP391.41
• 字数: 4093字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.07.015

摘要

为实现肺结节在CT影像中的有效精准识别,降低因医生水平差异造成的漏检、错检现象,提出一种基于深度学习的肺结节自动检测算法.使用阈值法、区域增长算法及形态学处理的方法获得候选结节区域;设计多尺度卷积神经网络模型,自动提取不同大小的肺结节在CT影像中呈现出的征象信息,避免由于单一尺度学习不全面引发的漏检现象;将肺结节的平面信息与其空间信息共同作为判定结节的标准,有效排除由于肺内无关组织干扰造成的错检.实验结果表明,算法准确率达到94.4％,敏感度可达96.24％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李莉	东北林业大学软件工程系	26	145	7.0	11.0
2	乔璐	东北林业大学软件工程系	13	193	10.0	13.0
3	张浩洋	东北林业大学软件工程系	1	0	0.0	0.0