计算机应用

作者：石陆魁, 马红祺, 张朝宗, 樊世燕

单位：1. 河北工业大学 人工智能与数据科学学院, 天津 300401;2. 河北省科学技术情报研究院, 石家庄 050000

关键词：肺结节检测,U-Net,Faster R-CNN,深度可分离卷积,预激活

基金：河北省自然科学基金资助项目（F2017202145）；河北省科学技术情报院开放项目（HH1920）。

针对肺结节检测方法中网络结构复杂所导致的模型计算量大、过拟合的问题，提出了一种结合深度可分离卷积和预激活的改进残差网络结构，将提出的网络结构应用于肺结节检测模型。该模型以目标检测网络Faster R-CNN为基础，采用U-Net编码解码器结构，利用深度可分离卷积和预激活操作改进了三维残差网络结构。首先，通过使用深度可分离卷积，模型复杂度和计算量大幅度降低；其次，通过使用预激活，模型的正则化得到改善，缓解了过拟合现象；最后，采用矩形卷积核在少量增加模型计算量的前提下扩大了卷积操作的感受野，有效地兼顾了肺结节的全局和局部特征。在LUNA16数据集上的检测中所提方法的灵敏度为96.04%，无限制接收者操作特征曲线下面积（FROC）得分为83.23%。实验结果表明：该方法提高了肺结节检测的灵敏度，又有效降低了检测结果的平均假阳性个数，同时提高了检测效率，可有效辅助放射科医师对肺结节进行检测。

来源：2020年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第7期