换一批摘要为提高候选结节检测性能,应用深度学习技术提出基于3DSCANet的候选结节检测算法.该算法提出增强坐标注意力机制模块(SCA),在坐标注意力机制的基础上做出改进,使之能提取三维(3D)特征,并引入自适应卷积提取跨通道特征,增加SCA注意力机制的特征提取能力;提出一种将3D长方体锚框转换为3D球体的方法,并进一步引入新的球体交并比损失函数SIoUX,以充分利用肺结节的球体形态特征.在实验阶段,该方法在LUNA16数据集上采用十折交叉验证的方法进行测试,平均召回率CPM达到0.94.
更多相关知识
关键词
候选结节检测计算机辅助检测增强坐标注意力机制模块球体损失函数nodule candidate detectioncomputer-aided detectionstrengthen coordinate attention modulesphere based loss function
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.09.017
发布时间
2024-10-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（U1836218）
- 浏览7
- 被引1
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
