换一批摘要目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法.方法 采用基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息.结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60％、95.24％、95.97％和4.03％.结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好.
更多相关知识
关键词
体层摄影术,X线计算机图像分割特征提取卷积神经网络位置敏感特征图肺结节Tomography,X-ray computedImage segmentationFeature extractionConvolution neural networkPosition-sensitive score mapsLung nodules
栏目名称
DOI
10.13929/j.1003-3289.201712025
发布时间
2018-07-23（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（11547155）
教育部-中国移动科研基金（MCM20150504）
江苏省高等学校自然科学研究项目（17KJB510038）
江苏省科技计划（BE2016001-4）
南京邮电大学科研项目（NY214026）
南京邮电大学科研项目（NY217035）
- 浏览344
- 被引24
- 下载201
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
