多输入卷积神经网络肺结节检测方法研究

针对传统计算机辅助诊断系统中肺部结节检出过程复杂,检出结果依赖于分类前期每个步骤的性能,以及存在假阳性率高的问题,提出了一种基于卷积神经网络的端到端的肺结节检测方法。该方法首先使用大量带标签的肺结节数据对构建的多输入卷积神经网络进行训练,实现从原始数据到语义标签的有监督学习。然后采用快速边缘检测方法和二维高斯概率密度函数构建候选区域模板,从待检测CT序列中获取候选区域并将其作为多输入卷积神经网络的输入数据。最后采用判定阈值实现疑似肺结节区域标注,同时在相邻的CT影像中进行重点检测。在LIDC-IDRI数据集上的大量实验结果表明,所提方法在肺部CT影像中对微、小结节的检出率较高;同时,重点检测模板能够小幅降低微、小结节检测的假阳率。     

胰腺实性假乳头状瘤的CT影像特点分析

目的分析胰腺实性假乳头状瘤的CT影像特点。方法对2004年6月至2010年5月我院诊治并经术后病理检验证实的25例胰腺实性假乳头状瘤患者的CT影像进行观察、分析、总结。结果肿瘤大小不等,平均7.4cm,呈分叶状、椭圆形及类圆形,多发于胰腺头、尾;25例中肿瘤表现为囊性1例、实性3例、实性与囊性混合存在21例;肿块钙化6例,肿瘤实性成分在动脉期出现轻度强化,延迟期和门脉期强化明显;肿瘤包膜强化明显、囊性成分未出现强化;包膜完整且同其周围分界清晰者21例、包膜不完整且同其周围分界不清晰者4例。胆管及主胰管未发现明显扩张、远端胰腺未出现萎缩、周围组织如腹膜后、肝门、胰头旁均未出现淋巴结的明显肿大。结论 CT影像的特点分析、掌握有助于临床诊断的准确性的提高,可作为临床诊断的参考标准。