基于有序多分类的肺结节良恶性分析

• 作者: 王骏 邵立伟 黄德皇 黄钰斌 于泽源 王艳芳 陈庆武 马力
• 来源期刊: 影像研究与医学应用
• 关键词: 有序多分类 人工智能 深度学习 肺结节 3D残差网络 CT
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 综述
• 页码范围: 3-5
• 页数: 3页
• 分类号: R445
• 语种: 中文
• DOI: 10.3969/j.issn.2096-3807.2021.02.002

摘要

在肺癌的早期诊断过程中,肺癌的筛查是常用手段.但是人工筛查效率低下,对医生而言负担过重,采用深度学习技术的影像筛查,自动高效,成为研究的热点.其中,从影像中检测到的肺结节存在着假阳性过高的问题,因此准确判断患者肺结节的良性恶性成为筛查过程中关键的一步.本文提出一种深度学习模型,在损失函数上着眼于良恶性分类之间的有序行,关联性,从而有效去除假阳性.我们的方法在LIDC-IDRI数据集上获得很高的准确率和召回率.