基于三维卷积神经网络的低剂量CT肺结节检测

基于三维卷积神经网络的低剂量CT肺结节检测
吕晓琪;吴凉;谷宇;张文莉;李菁
【期刊名称】《光学精密工程》
【年(卷),期】2018(026)005
【摘要】为提高早期肺癌筛查过程中肺结节的检出率,提出利用三维卷积神经网络进行低剂量CT肺结节检测.首先采用多方向形态学滤波算法对低剂量序列CT图像进行预处理;接着,利用改进三维区域生长与凸包算法相结合进行肺实质分割;然后提取三维候选结节,为了解决卷积神经网络对样本不平衡的敏感问题,对三维候选结节正样本进行旋转和光照处理;最后在不同的网络参数下,对ELCAP数据库中50个序列低剂量肺癌筛查数据进行4组实验.实验结果表明,通过对网络参数的不断优化,准确度、灵敏度、特异度以及ROC曲线的AUC值分别达到了84.6％、88.89％、80.32％及0.9244.该方法能够正确地对低剂量CT肺结节进行检测,与文献所提出肺结节检测算法相比,准确度、灵敏度和特异度分别平均提高了5.37％、5.6％和10.42％,综合性能较强,可以为肺癌筛查提供有效的帮助.
【总页数】8页(P1211-1218)
【作者】吕晓琪;吴凉;谷宇;张文莉;李菁
【作者单位】内蒙古科技大学信息工程学院,内蒙古包头014010;上海大学计算机工程与科学学院 ,上海200444;内蒙古科技大学信息工程学院,内蒙古包头014010;内蒙古科技大学信息工程学院,内蒙古包头014010;上海大学计算机工程与科学学院 ,上海200444;内蒙古科技大学信息工程学院,内蒙古包头014010;内蒙古科技大学信息工程学院,内蒙古包头014010
【正文语种】中文
【中图分类】TP391.4;R445.3
【相关文献】
1.基于三维卷积神经网络的肺结节假阳性筛查 [J], 尤堃;郝鹏翼;吴福理;张繁;吴健
2.基于卷积神经网络的低剂量CT图像肺结节检测 [J], 孙娇娇; 龚安; 史海涛
3.基于迁移学习和三维卷积神经网络检测肺结节 [J], 唐思源;刘燕茹;杨敏
4.基于三维卷积神经网络的肺结节分类 [J], 王卫兵;王卓;徐倩;孙宏
5.基于改进Faster R-CNN的低剂量CT图像肺结节检测 [J], 高璇;毕晓君
因版权原因，仅展示原文概要，查看原文内容请购买。