朱国策, 李朝锋
(江南大学 物联网工程学院,江苏 无锡 214122)
应用技术
基于卷积神经网络的胸片肺结节检测*
朱国策, 李朝锋
(江南大学物联网工程学院,江苏无锡214122)
针对目前胸片的肺结节检测方案的检出率较低,且存在大量的假阳性的问题,提出了一种新的基于卷积神经网络(CNN)的肺结节检测方案。增强肺结节区域的图像信号;选择正、负样本训练卷积神经网络模型,检测结节时用滑动窗口的方法对增强后的图片进行处理得到候选区域;根据候选区域的面积排除假阳性。方案中省略了传统方法中的肺区分割步骤,避免了因此可能丢失的肺结节图像。在日本放射技术学会(JSRT)数据库上测试结果显示,系统在平均每幅图5.0个假阳性水平下敏感度为86 %,对不明显和非常不明显的结节检出率达到了84 %,优于当前相关文献报道的方法。
肺结节; 医学图像处理; 胸片; 卷积神经网络
肺结节计算机辅助检测和诊断系统发展已久,对于当前的检测系统,最大挑战是如何在提高结节检测率的同时,降低检测结果中的假阳性。文献[1]采用了结节增强的技术提高了结节的检出率;文献[2]利用虚拟双能减影的技术提高了结节的检出率;文献[3]利用基于左右肺区对称原理去除肋骨结构的影响降低了假阳性。
深度学习近年来迅猛发展,其中卷积神经网络在图像处理领域取得了重要发展,尤其在图像分类、目标检测等方面取得了很好的成绩,保证了模型具有良好的泛化性能并获得概率上的全局最优[4,5]。……