基于密集神经网络的肺结节假阳性筛查模型

来源：计算机技术与发展杂志2021年第04期北京时间：

作者：杨靖祎;';张翠肖*;戴健;郝杰辉;王森

单位：1. 石家庄铁道大学 信息科学与技术学院,河北 石家庄 050043;2. 河北医科大学第二医院 信息中心,河北 石家庄 050000

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主要通过简单的先验知识再利用低? 级的描述特征进行辅助检测,存在着假阳性高、敏感度低的问题。 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。 提出了一种基于密集神经网络的结节假阳性筛查模型:首先对 CT 图像进行阈值分割提取肺区再截取以结节为中心的图像,送入网络模型进行分类训率;在网络模型中,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。 模型在公开的 LIDC 数据集上取得了95郾 82% 的准确率,ROC 曲线下面积达到 0. 987,CPM 为 0. 772。 实验结果表明了该模型的有效性,其性能优于相关文献的方法,适用于肺结节的假阳性降低。

关键词：肺结节;假阳性筛查;密集神经网络;稠密连接;深度学习