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》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、基于卷積神經(jīng)網(wǎng)絡(luò)的胸片肺結(jié)節(jié)檢測朱國策李朝鋒針對目前胸片的肺結(jié)節(jié)檢測方案的檢出率較低，且存在大量的假陽性的問題，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)檢測方案。增強肺結(jié)節(jié)區(qū)域的圖像信號;選擇正、負樣本訓練卷積神經(jīng)網(wǎng)絡(luò)模型，檢測結(jié)節(jié)時用滑動窗門的方法對增強后的圖片進行處理得到候選區(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)學會(JSRT)數(shù)據(jù)庫上測試結(jié)果顯示，系統(tǒng)在平均每幅圖5.0個假陽性水平下敏感度為86%,對不明顯和非常不明顯的結(jié)節(jié)檢出率達到了84%,
2、優(yōu)于當前相關(guān)文獻報道的方法。關(guān)鍵詞：肺結(jié)節(jié);醫(yī)學圖像處理;胸片;卷積神經(jīng)網(wǎng)絡(luò);基金：W家自然科學基金資助項目(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)計算機輔助檢測和診斷系統(tǒng)發(fā)展已久，對于當前的檢測系統(tǒng)，最大挑戰(zhàn)是如何在提高結(jié)節(jié)檢測率的同時，降低檢測結(jié)果中的假陽性。文獻［1］采用了結(jié)節(jié)增強的技術(shù)提高了結(jié)節(jié)的檢出率;文獻［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［3］利用基于左右肺IX:對稱原理去除肋骨結(jié)構(gòu)的影響降低了假陽性。深度學習近年來迅猛發(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、目標檢測等方面取得了很好的成績，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個部分M。其中在肺區(qū)分割的同時也會將一部分的結(jié)節(jié)排除在外，使系統(tǒng)最終無法檢測到相應(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)檢測方法1.1肺結(jié)節(jié)檢測肺結(jié)節(jié)檢測方法包括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)銳化的方法對原圖進行銳化III;然后用滑動窗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)
