作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统方法对结节检测不全,且误检率较高的问题,提出了一种改进的3D U-Net肺结节检测算法.根据肺结节的形态大小特性,将残差网络引入3D U-Net网络框架中,并在3D U-Net的编码结构里引入了空洞卷积.利用改进的3D U-Net肺结节检测算法在中南民族大学认知科学实验室中完成一系列肺结节检测实验.实验结果表明,所提出的算法检测敏感度达到92.30%,并且降低了误诊率和漏检率.
推荐文章
基于多尺度特征结构的U-Net肺结节检测算法
小目标检测
卷积神经网络
深度学习
密集网络
肺结节
基于3D ResUnet网络的肺结节分割
肺结节
分割
深度残差结构
召回率
ResUnet
基于U-Net卷积神经网络的轮毂缺陷分割
轮毂缺陷分割
自动分割
深度学习
神经网络
基于空洞U-Net神经网络的PET图像重建算法
图像重建
空洞卷积
U-Net
感知损失
PET
VGG
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进的3D U-Net的肺结节检测算法
来源期刊 现代信息科技 学科 工学
关键词 结节检测 3DU-Net 肺癌
年,卷(期) 2020,(12) 所属期刊栏目 计算机技术
研究方向 页码范围 66-69
页数 4页 分类号 TP183|TP391.41
字数 3634字 语种 中文
DOI 10.19850/j.cnki.2096-4706.2020.12.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周晨芳 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
结节检测
3DU-Net
肺癌
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导