基于 3D CNN 的肺结节假阳性筛查模型

来源：计算机技术与发展杂志2022年第02期北京时间：

作者：杨靖祎;谢洋;周晓叶;陈隆鑫;底涛*

单位：1. 河北医科大学第二医院 数据中心,河北 石家庄 050051;2. 河北医科大学第二医院 信息中心,河北 石家庄 050051

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。

关键词：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