换一批融合位置尺度信息的胸部X光肺结节检测
Detection of Pulmonary Nodules on Chest X-ray with Fusion of Location and Scale Informa-tion
摘要基于胸部正面X光的肺结节检测任务因结节较小、肋骨遮挡等原因检测难度较大,需要在保证高敏感度的前提下,尽可能地减少假阳性样本比率.目前大多数肺结节检测方法一般分为3个步骤:肺部区域分割;候选区域生成;通过进一步分类,减少假阳性结果.这类方法存在一些问题,每一步的结果都依赖于前一步的性能,整个流程往往会使用多个模型、多次处理以提升效果,算法复杂而且计算量大.同时,会有些结节因为器官遮挡不在肺部分割的区域内,肺部分割会漏掉一些结节.针对这个问题,本文使用一个端到端的目标检测网络来完成肺结节检测任务,X光片经过图像预处理后输入网络,直接得到肺结节的预测结果.此方法基于卷积神经网络(Convolutional Neural Network, CNN)的目标检测模型,同时在分类任务中融合位置和尺寸信息,实验证明这些信息有助于模型判断.在公开数据集——日本放射技术学会( Japanese Society of Radiological Technology, JSRT)数据集的实验结果显示,本文方法在平均每张图像4. 5 个假阳性结果时敏感度为92% ,2 个假阳性结果时敏感度为88% ,在较低的假阳性率的情况下,超出了先前的研究成果.
更多相关知识
关键词
计算机辅助诊断卷积神经网络肺结节检测医学影像分析computer aided diagnosisconvolutional neural networklung nodule detectionmedical image analysis
分类号
TP391
栏目名称
DOI
10.3969/j.issn.1000-1220.2019.06.034
发布时间
2019-07-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
合肥市借转补项目（YW201710120004）
- 浏览1
- 被引19
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
