基于特征金字塔网络的肺结节检测

• 作者: 杜程刚 高智勇 黄金镇
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 肺结节检测 肺实质分割 特征金字塔网络 卷积神经网络 多尺度
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2571-2576
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019122122

摘要

针对计算机断层扫描(CT)影像中肺结节尺寸变化较大、尺寸小且不规则等特点导致的检测敏感度较低的问题,提出了基于特征金字塔网络(FPN)的肺结节检测方法.首先,利用FPN提取结节的多尺度特征,并强化小目标及目标边界细节的特征;其次,在FPN的基础上设计语义分割网络(名为掩模特征金字塔网络(Mask FPN))用于快速准确地分割提取肺实质,作为目标候选区域定位图像;并且,在FPN顶层添加反卷积层,采用多尺度预测策略改进快速区域卷积神经网络(Faster R-CNN)以提高检测性能;最后,针对肺结节数据集的正负样本不平衡问题,在区域候选网络(RPN)模块采用焦点损失函数以提高结节的检出率.所提方法在公开数据集LUNA16上进行实验,结果表明,利用FPN和反卷积层改进的新网络对结节检测效果有一定的帮助,采用焦点损失函数也有一定效果.综合多种改进,当平均每个扫描件的候选结节数为46.7时,所提方法的肺结节检测敏感度指标为95.7％,与其他卷积神经网络方法如Faster R-CNN、UNet等相比,具有较高的敏感性.所提方法能够较好地提取不同尺度上的结节特征,提高CT图像肺结节检测的敏感度,同时对于较小的结节也能有效检测,能更有效地辅助肺癌的诊断治疗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高智勇		45	209	7.0	11.0
2	黄金镇		2	0	0.0	0.0
3	杜程刚		1	0	0.0	0.0