换一批摘要针对CT图像肺结节检测精度低、结节特征区域提取不准确以及网络多次采样过程中造成特征图像像素点丢失导致检测结果差的问题,提出了改进的CenterNet肺结节检测算法.该算法采用Resnet-50 为主干网络,在主干网络顶层加入坐标注意力机制来提高模型对结节位置的敏感度;在第 3 次采样后加入空洞金字塔模块来获得不同感受野信息,减少采样过程信息丢失;借鉴特征金字塔结构将主干网络与反卷积组进行特征融合,解决推理阶段特征信息不足的问题.在LUNA16 数据集上实验结果表明,该算法在经过 200 次迭代后的AP 达到96.6%,AR达到 69.8%,比原始算法提高 6.8%和 9.1%,对CT图像中各类型的肺结节都能准确地定位检测.
更多相关知识
关键词
肺结节检测CenterNet坐标注意力机制空洞金字塔模块特征金字塔pulmonary nodule detectionCenterNetthe coordinate attention mechanismhollow pyramid modulefeature pyramid
栏目名称
DOI
10.3969/j.issn.1674-5043.2023.04.012
发布时间
2023-11-27（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
