融合残差模块的U-Net肺结节检测算法

• 作者: 马巧梅 梁昊然 郎雅琨
• 来源期刊: 计算机工程与设计
• 关键词: 计算机辅助诊断 CT图像 肺结节 深度学习 卷积神经网络 残差网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 多媒体技术|Mulitimedia Technology
• 页码范围: 1058-1064
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.04.023

摘要

为解决现有肺结节检测模型精度低、漏诊率和误诊率高等问题,提出融合残差模块的肺结节检测算法.候选结节检测阶段,提出残差U-Net (residual U-Net,RU Net)分割网络,将改进的残差网络(residual network,ResNet)模块与UNet结构融合,提升模型特征提取能力;加入改进的损失函数解决数据类别不均衡问题,提高检测敏感度.假阳性减少阶段,采用三维卷积神经网络(3D CNN)用于候选结节分类,充分获得结节空间信息,达到降低假阳性的目的.实验结果表明,该算法能够准确并高效地分割和检测肺结节.