| 基于深度卷积神经网络的两阶段肺结节检测 |
| |
| 引用本文： | 韩鹏,强彦,刘继华,贾婧,Syed Basit Ali Shah Bukhari.基于深度卷积神经网络的两阶段肺结节检测[J].计算机工程与设计,2021,42(3):755-761. |
| |
| 作者姓名： | 韩鹏 强彦 刘继华 贾婧 Syed Basit Ali Shah Bukhari |
| |
| 作者单位： | 太原理工大学信息与计算机学院,山西晋中030600;太原理工大学信息与计算机学院,山西晋中030600;吕梁学院计算机科学与技术学院,山西吕梁033000;太原理工大学信息与计算机学院,山西晋中030600;太原理工大学信息与计算机学院,山西晋中030600 |
| |
| 基金项目： | 北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金项目;国家自然科学基金项目 |
| |
| 摘 要： | 针对传统肺结节检测中存在灵敏度低、假阳性高、小结节难检测的问题,提出一种基于深度卷积神经网络的两阶段肺结节检测框架.第一阶段使用特征金字塔子网提取肺部影像的多层次特征,引入多尺度区域建议子网用于在高灵敏度下检测出所有的候选结节;第二阶段设计级联卷积神经网络模型减少假阳性,通过保留分类错误样本用于重新训练模型,将多个模型结果进行投票选出最终分类结果.LUNA16数据集上的实验结果表明,所提框架灵敏度达到95.9％,检测效果优于其它算法,能够有效实现肺结节的准确检测.
|
| 关 键 词： | 候选结节检测 特征金字塔子网 多尺度区域建议子网 假阳性减少 级联卷积神经网络 |
Two-stage pulmonary nodule detection based on deep convolutional neural network |
| |
| HAN Peng,QIANG Yan,LIU Ji-hua,JIA Jing,SYED Basit Ali Shah Bukhari.Two-stage pulmonary nodule detection based on deep convolutional neural network[J].Computer Engineering and Design,2021,42(3):755-761. |
| |
| Authors: | HAN Peng QIANG Yan LIU Ji-hua JIA Jing SYED Basit Ali Shah Bukhari |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
