基于局部感受野和半监督深度自编码的肺结节检测方法

摘要：

深度学习在肺部影像方面的研究主要集中于肺部CT图像.对肺结节的快速准确检测是肺部疾病治疗的关键步骤.结节检测本身就是一项具有挑战性的工作,且已有的研究均很难得到较高的检测率.针对这样的问题,提出一种改进的深度半监督稀疏自编码的肺结节检测方法.首先,采用局部感受野对肺结节图像进行多层特征提取.然后,利用半监督稀疏自编码自主学习肺部影像中的结节特征.最后,融合多种临床信息实现对肺结节的准确检测.实验结果表明,该方法可以达到准确率90.14％,敏感度89.67％和平均检测率96.64％,明显优于其他方法检测性能,更适用于肺结节的精准检测.

关键词：稀疏自编码、半监督、局部感受野、肺结节辅助检测、深度学习

所属期刊栏目：17

分类号：TP391.7(计算技术、计算机技术)

资助基金：国家自然科学基金61373100;虚拟现实技术与系统国家重点实验室基金BUAA-VR-16KF13;山西省回国留学人员科研资助项目2016-038

在线出版日期：2018-01-09（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：125-130