基于3D CNN的肺结节假阳性筛查模型

作     者：杨靖祎 谢洋 周晓叶 陈隆鑫 底涛 YANG Jing-yi;XIE Yang;ZHOU Xiao-ye;CHEN Long-xin;DI Tao

作者机构：河北医科大学第二医院数据中心河北石家庄050051 河北医科大学第二医院信息中心河北石家庄050051 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2022年第32卷第2期

页      面：196-201,206页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61702347) 

主　　题：肺结节 假阳性筛查 密集神经网络 三维卷积神经网络 深度学习 

摘      要：通过肺部CT影像进行肺结节检测是肺癌早期筛查的重要手段,而候选结节的假阳性筛查是结节检测的关键部分。传统的结节检测方法严重依赖先验知识,流程繁琐,性能并不理想。在深度学习中,卷积神经网络可以在通用的学习过程中提取图像的特征。该文以密集神经网络为基础设计了一个三维结节假阳性筛查模型—三维卷积神经网络模型(TDN-CNN)。首先利用U-Net提取CT图像的肺实质再截取以结节为中心的VOI,通过平移和翻转扩充正样本数据;在3维假阳性筛查网络中,通过稠密连接强化特征利用、扩大特征空间,采用瓶颈层降低参数冗余,训练中优化参数,最终获取最优模型。与2D CNN相比,该模型充分利用了肺结节的三维空间特征。该3D CNN在公开的LIDC数据集上的CPM得分达到0.840,显著高于其他几种3D模型。实验结果证明了该模型的有效性,其适用于肺结节的假阳性筛查。