基于改进CNN的低剂量CT图像肺结节自动检测

摘要：

随着空气污染日益严重,肺癌已成为发病率和死亡率增长速度最快的恶性肿瘤之一,严重危害人们的生命和健康.肺癌早期主要表现为肺结节的形式,如果在肺癌早期能够及时发现并治疗,将能够提高肺癌的治疗效果.低剂量螺旋CT具有采集速度快、成本低、辐射低的特点,因此被大量应用于对肺结节的诊断.目前,CT图像的诊断多采用传统的人工诊断方式与CAD系统诊断的方式,但这两种方式存在精确性低、泛化性差的缺点.针对上述问题,文中以医学辅助诊断领域中的肺结节检测问题为研究对象,提出了一种基于改进CNN的低剂量CT图像的肺结节自动检测算法.首先,对CT图像进行预处理,提取肺实质;其次,对cascade-rcnn候选结节筛选网络进行改进,以提取更高质量的目标;然后,提出了改进3D CNN的假阳性减少网络,提高了结节分类的准确性;最后,在LUNA16数据集上进行了实验,结果表明,与现有算法相比,所提算法在检测准确率上有所提升.

关键词：肺结节检测、假阳性降低、cascade-rcnn、3D CNN、LUNA16

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：54-59