计算机应用

作者：邓忠豪, 陈晓东

单位：1. 中国科学院 上海高等研究院, 上海 201210;2. 中国科学院大学, 北京 100049;3. 上海科技大学 信息科学与技术学院, 上海 201210

关键词：肺结节检测,深度卷积神经网络,深监督,加权损失函数,多尺度

在传统的肺结节检测算法中，存在检测敏感度低，假阳性数量大的问题。针对这一问题，提出了基于深度卷积神经网络（CNN）的肺结节检测算法。首先，有目的性地简化传统的全卷积分割网络；然后，创新地加入对部分CNN层的深监督并使用改进的加权损失函数，获得高质量的候选肺结节，保证高敏感度；其次，设计了基于多尺度上下文信息的三维深度CNN来增强对图像的特征提取；最后，将训练得到的融合分类模型用于候选结节分类，以达到降低假阳率的目的。所提算法使用了LUNA16数据集，并通过对比实验验证算法的性能。在检测阶段，当每个CT检测出的候选结节数为50.2时，获得的敏感度为94.3%，与传统的全卷积分割网络相比提升了4.2个百分点；在分类阶段，竞争性能指标达到0.874。实验结果表明，所提算法能够有效提高检测敏感度和降低假阳率。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期