肺结节智能检测和三维可视化系统设计与实现

来源：计算机测量与控制杂志2020年第9期北京时间：

作者：马思然,杨媛媛,倪扬帆,顾轶平

单位：中国科学院大学

摘要：为了提高肺部疾病识别效率，减少肺结节漏诊率，设计了一套肺结节智能检测和三维可视化系统。方法：构建了一个基于RESNET的深度多通道三维卷积神经网络，根据LUNA16公开数据集的888例患者图像，选择权重参数为α=0.5，γ=2的Focal loss损失函数进行训练，在CT图像上对可疑的肺结节进行检测，采用光线投射算法对检测出的结节区域进行体绘制三维重建。结果：经实验测试，该网络与单通道网络和特征金字塔网络（Feature Pyramid network, FPN）相比，准确度最高，为84.8%，系统能够在230s内自动检测肺结节并完成三维重建，对于分辨率1mm/pixel的CT图像灵敏度在98%以上，用户可在浏览器上查看结节检测结果和三维重建模型。结论：该系统突破了终端设备和地域限制，能够为肺部疾病提供辅助诊断，提高诊断效率。

关键词：CT图像;肺结节;三维卷积神经网络;三维可视化;浏览器

基金资助：国家重点研发计划项目(2017YFC0112900)