基于三維卷積神經網絡的肺結節假陽性篩查
尤堃; 郝鵬翼; 吳福理; 張繁; 吳健 浙江工業大學計算機科學與技術學院; 浙江杭州310023; 浙江大學計算機科學與技術學院; 浙江杭州310058; 浙江大學睿醫人工智能研究中心; 浙江杭州310000
關鍵詞：3d cnn 肺結節 假陽性篩查
摘要：從CT影像中檢測肺結節在肺癌的早期診斷中至關重要,而肺結節假陽性的篩查是提高肺結節檢測準確度的重要一步。為了從大量候選結節中快速準確地區分出真正的肺結節,設計了一個3D卷積神經網絡(CNN)篩查肺結節假陽性。提出了網絡模型,通過恒等映射和殘差單元來加速模型訓練,采用單連接路徑重復利用特征并重組新特征。基于該模型的肺結節假陽性篩查方法,與基于2D CNN的方法相比,不僅可以省略數據切片步驟,而且能夠充分利用CT影像的空間信息;與其他基于3DCNN的方法相比,具有參數量小、模型訓練快的優點。該方法在LUNA16數據集中的假陽性篩查中取得了較高的敏感度。
圖學學報雜志要求:
{1}請寫明作者單位全稱、詳細地址、郵政編碼、聯系電話以及電子郵件地址。
{2}稿件內容求真務實，有行之有效的思路、探索、做法、經驗，有理論或實踐上創新，特色鮮明。
{3}正文中表示標題級別的序號形式，一般從大到小依次為：“一”“（一）”“1”“（1）”“①”等。可以根據標題的實有級別，跳過某些形式的序號。
{4}本刊參考文獻采用頁下注釋體例，參考文獻和注釋均置于當頁地腳（腳注），每頁編序碼，序號用①②③標示。
{5}摘要應反映論文主要論點及創造性內容，包含目的、方法、結果及結論四要素，以300~400字為宜；關鍵詞5-8個，反映論文實質內容，便于檢索。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
