基于Mask R-CNN模型的胸片肺结节检测性能评估

来源：信息与控制杂志2020年第6期北京时间：

作者：储春洁, 王佳雯, 韩雅琪, 陈胜

摘要：针对传统计算机辅助检测（Computer-Aided Detection，CADe）肺结节系统根据经验提取的特征难以区分部分真实结节和骨质结构，造成检测结果假阳性较高的问题，引入Mask R-CNN模型用于胸片中肺结节的检测.结合基于对比度限制自适应直方图均衡化（contrast limit adaptive histogram equalization，CLAHE）和多段活动形状模型（multi-segment active shape model，M-ASM）的预处理，增强肺结节特征.模型中使用残差网络101（ResNet-101）和特征金字塔网络（feature pyramid network，FPN）提取特征.针对日本放射技术学会（Japanese Society of Radiological Technology，JSRT）公开数据库的测试，基于Mask R-CNN的CADe方案在平均假阳性（false positives，FPs）为5.0时的灵敏度为93.57%，假阳性为2.0时的灵敏度为78%.与其它方法比较，该方案能够检测出大多数肺区以外的肺结节（10/14）.

关键词：胸片, 肺结节, 目标检测, Mask R-CNN