基于3D CNN的肺结节假阳性筛查模型

• 作者: 杨靖祎 谢洋 周晓叶 陈隆鑫 底涛
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 肺结节 假阳性筛查 密集神经网络 三维卷积神经网络 深度学习
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 196-201,206
• 页数: 7页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2022.02.032

摘要

通过肺部CT影像进行肺结节检测是肺癌早期筛查的重要手段,而候选结节的假阳性筛查是结节检测的关键部分.传统的结节检测方法严重依赖先验知识,流程繁琐,性能并不理想.在深度学习中,卷积神经网络可以在通用的学习过程中提取图像的特征.该文以密集神经网络为基础设计了一个三维结节假阳性筛查模型—三维卷积神经网络模型(TDN-CNN).首先利用U-Net提取CT图像的肺实质再截取以结节为中心的VOI,通过平移和翻转扩充正样本数据;在3维假阳性筛查网络中,通过稠密连接强化特征利用、扩大特征空间,采用瓶颈层降低参数冗余,训练中优化参数,最终获取最优模型.与2D CNN相比,该模型充分利用了肺结节的三维空间特征.该3D CNN在公开的LIDC数据集上的CPM得分达到0.840,显著高于其他几种3D模型.实验结果证明了该模型的有效性,其适用于肺结节的假阳性筛查.