一种改进三维卷积模型的假阳性肺部结节筛除方法

摘要：

针对在肺结节候选区域中假阳性率过高的问题,采用3D CNN对假阳性结节进行筛除,引入空洞卷积代替部分池化操作,在增大感受野的同时尽可能多地保留特征信息,解决了在传统卷积和池化层中对形状不规则且尺寸较小的肺结节无法高效能地收集到肺结节的像素点问题.在公开的LUNA16数据集中,AUC的值可以达到0.967,说明该模型对正负样本的分类能力较好;97％的特异值和88％的敏感度,表明了该模型可以有效地避免误检且漏检的可能性也较小.实验表明提出的三维卷积神经网络适用于降低肺结节检测中的假阳性率.

关键词：深度学习、肺结节、三维卷积、三维池化、计算机辅助诊断、空洞卷积、假阳性筛除、卷积神经网络

所属期刊栏目：45

分类号：TN911.73-34;TP3

资助基金：河北省自然科学基金;河北省教育厅科技计划项目

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：29-32