基于卷积神经网络检测肺结节

摘要：

目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法.方法 采用基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息.结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60％、95.24％、95.97％和4.03％.结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好.

关键词：体层摄影术、X线计算机、图像分割、特征提取、卷积神经网络、位置敏感特征图、肺结节

所属期刊栏目：34

分类号：TP391.4;R814.42(计算技术、计算机技术)

资助基金：国家自然科学基金11547155;教育部-中国移动科研基金项目MCM20150504;江苏省高校自然科学基金17KJB510038;江苏省科技重点研发计划-产业前瞻与共性关键技术项目BE2016001-4;南京邮电大学科研基金项目NY214026、NY217035

在线出版日期：2018-07-23（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：934-939