基于NRU网络的肺结节检测方法

徐麒皓，李 波

武汉科技大学 计算机科学与技术学院，武汉 430081

肺癌作为人类健康和生命威胁最大的恶性肿瘤之一[1]，在我国的发病率和死亡率增长最快。早期诊断是提高患者生存率的关键[2]，但是由于肺结节的直径小，早期的肺癌结节很难检测到。计算机断层扫描（CT）与其他医学诊断技术相比具有更高的准确性，因此被广泛用于检测肺结节。检查CT 会花费医生的大量时间和精力，并且医生的诊断水平不一致，因此很容易出现误诊。为了提高诊断的准确性，目前已有计算机辅助诊断（CAD）系统来辅助肺癌检测[3-4]。医生可以将结果作为判断的参考，这项技术加快了检测速度，并在一定程度上降低了误诊率[5]。

肺癌的自动检测过程分为两个步骤：（1）提取所有可疑候选结节；（2）将提取的结节分为两类（阳性和假阳性结节）。第二步中的分类对象来自第一步中的识别结果，因此所有阳性结节都应在第一步中进行识别。在候选结节的提取过程中，之前的研究已经优化了基于形状的CAD系统。

传统的CAD是基于阈值调整和形态学检测的图像检测技术，在实践中通常忽略了低密度的毛玻璃不透明区域[6]以及靠近外部组织的边缘结节。传统的CAD 特征分类技术对范围过大的肺结节无法保持良好的检测率，导致基于形状的CAD 系统对结节检测的准确性降低。与基于形状的CAD系统相比，U-Net神经网络在医学图像分析过程中可以实现精确的像素级定位[7]，在原始图像中根据是否有结节对所有像素进行分类，然而小结节在检测过程中很容易被忽略。……