计算机技术与发展2022，Vol.32Issue(2) ：196-201,206.DOI:10.3969/j.issn.1673-629X.2022.02.032

基于3D CNN的肺结节假阳性筛查模型

False Positive Screening of Pulmonary Nodules with 3D CNN

杨靖祎 谢洋 周晓叶 陈隆鑫 底涛
计算机技术与发展2022，Vol.32Issue(2) ：196-201,206.DOI:10.3969/j.issn.1673-629X.2022.02.032
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于3D CNN的肺结节假阳性筛查模型

False Positive Screening of Pulmonary Nodules with 3D CNN

杨靖祎 1谢洋 2周晓叶 2陈隆鑫 2底涛1
扫码查看

作者信息

  • 1. 河北医科大学第二医院 数据中心,河北 石家庄 050051
  • 2. 河北医科大学第二医院 信息中心,河北 石家庄 050051
  • 折叠

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.

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

引用本文复制引用

基金项目

国家自然科学基金(61702347)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量6
段落导航相关论文