資源描述：
《基于卷積神經(jīng)網(wǎng)絡(luò)的胸片肺結(jié)節(jié)檢測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。
1、基于卷積神經(jīng)網(wǎng)絡(luò)的胸片肺結(jié)節(jié)檢測(cè)朱國(guó)策李朝鋒針對(duì)目前胸片的肺結(jié)節(jié)檢測(cè)方案的檢出率較低，且存在大量的假陽(yáng)性的問(wèn)題，提出了一種新的基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的肺結(jié)節(jié)檢測(cè)方案。增強(qiáng)肺結(jié)節(jié)區(qū)域的圖像信號(hào);選擇正、負(fù)樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型，檢測(cè)結(jié)節(jié)時(shí)用滑動(dòng)窗門(mén)的方法對(duì)增強(qiáng)后的圖片進(jìn)行處理得到候選區(qū)域;根據(jù)候選區(qū)域的而積排除假陽(yáng)性。方案中省略了傳統(tǒng)方法中的肺區(qū)分割步驟，避免了因此可能丟失的肺結(jié)節(jié)圖像。在日木放射技術(shù)學(xué)會(huì)(JSRT)數(shù)據(jù)庫(kù)上測(cè)試結(jié)果顯示，系統(tǒng)在平均每幅圖5.0個(gè)假陽(yáng)性水平下敏感度為86%,對(duì)不明顯和非常不明顯的結(jié)節(jié)檢出率達(dá)到了84%,
2、優(yōu)于當(dāng)前相關(guān)文獻(xiàn)報(bào)道的方法。關(guān)鍵詞：肺結(jié)節(jié);醫(yī)學(xué)圖像處理;胸片;卷積神經(jīng)網(wǎng)絡(luò);基金：W家自然科學(xué)基金資助項(xiàng)目(61170120)LungnodulesdetectionviaconvolutionalneuralnetworksinchestradiographsZHUGuo—ceLIChao—fengSchoolofInternetofThingsEngineering，JiangnanUniversity;Abstract：Aimingattheproblemthatdetectionrateoflungnodulesdetectio
3、nschemebasedonrabatislowandhasalotoffalsepositives,proposeanewnodulesdetectionschemebasedonconvolutionalneuralnetwork(CNN).Inthescheme,enhancechestradiograph,andthenpickpositiveandnegativesamplestotraintheCNN.Processtheenhancedimageusingslidingwindowsmethodwiththepre-trai
4、nednetworktogettheregionofinterest(ROI)，andexcludethefalsepositivesbyusingthesizeoftheROIatlast.Theproposedschemeomitstheprocedureofsegmentationoflungfieldintraditionalschemes.Andthiscanavoidlosingnoduleswhichareexcludedbythesegmentationprocedure.TheJSRTdatabaseisusedtoev
5、aluatethesystem.Theschemeachievesasensitivityof86%forallnodulesandadetectionrateof84%with5.0FPsperradiographforverysubtleandextremelysubtlenoduleswhichoutperformthecurrentreportedmethods.Keyword：lungnodules;medicalimageprocessing;chestradiographs(CXRs);convolutionalneural
6、network(CNN);0引言肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)和診斷系統(tǒng)發(fā)展已久，對(duì)于當(dāng)前的檢測(cè)系統(tǒng)，最大挑戰(zhàn)是如何在提高結(jié)節(jié)檢測(cè)率的同時(shí)，降低檢測(cè)結(jié)果中的假陽(yáng)性。文獻(xiàn)［1］采用了結(jié)節(jié)增強(qiáng)的技術(shù)提高了結(jié)節(jié)的檢出率;文獻(xiàn)［2］利用虛擬雙能減影的技術(shù)提高了結(jié)節(jié)的檢出率;文獻(xiàn)［3］利用基于左右肺IX:對(duì)稱原理去除肋骨結(jié)構(gòu)的影響降低了假陽(yáng)性。深度學(xué)習(xí)近年來(lái)迅猛發(fā)展，其屮卷積神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域取得Y重要發(fā)展，尤其在閣像分類(lèi)、目標(biāo)檢測(cè)等方面取得了很好的成績(jī)，保證了模型具有良好的泛化性能并獲得概率上的全局最優(yōu)傳統(tǒng)的檢測(cè)系統(tǒng)大致包括圖像預(yù)處理、肺區(qū)分割和候選區(qū)
7、域特征提取3個(gè)部分M。其中在肺區(qū)分割的同時(shí)也會(huì)將一部分的結(jié)節(jié)排除在外，使系統(tǒng)最終無(wú)法檢測(cè)到相應(yīng)的結(jié)節(jié)。本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetwork,CNN)的肺結(jié)節(jié)檢測(cè)方案。該方案省略了肺區(qū)分割操作，避免了因肺區(qū)分割可能丟失的肺結(jié)節(jié)。1基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)檢測(cè)方法1.1肺結(jié)節(jié)檢測(cè)肺結(jié)節(jié)檢測(cè)方法包括3部分：1)閣像預(yù)處理;2)CNN模型建立;3)候選結(jié)節(jié)選取和篩選。首先用非銳化遮罩(unsharpmask,USM)銳化的方法對(duì)原圖進(jìn)行銳化III;然后用滑動(dòng)窗U的方法切取小塊，下釆樣后傳入CNN,得
8、到該胸片上肺結(jié)節(jié)的疑似區(qū)域;最后在該區(qū)域屮篩選出真結(jié)節(jié)，整體流程如圖1所示。圖1肺結(jié)節(jié)檢測(cè)系統(tǒng)流程1.1.1圖像預(yù)處理圖像預(yù)處理的0的是使肺結(jié)節(jié)更加明顯。如圖2(a)中所示，圖中圓圈處為肺結(jié)節(jié)
