肺结节智能检测和三维可视化系统设计与实现

为了提高肺部疾病识别效率,减少肺结节漏诊率,设计了一套肺结节智能检测和三维可视化系统。方法：构建了一个基于RESNET的深度多通道三维卷积神经网络,根据LUNA16公开数据集的888例患者图像,选择权重参数为α=0.5,γ=2的Focal loss损失函数进行训练,在CT图像上对可疑的肺结节进行检测,采用光线投射算法对检测出的结节区域进行体绘制三维重建。结果：经实验测试,该网络与单通道网络和特征金字塔网络（Feature Pyramid network, FPN）相比,准确度最高,为84.8%,系统能够在230s内自动检测肺结节并完成三维重建,对于分辨率1mm/pixel的CT图像灵敏度在98%以上,用户可在浏览器上查看结节检测结果和三维重建模型。结论：该系统突破了终端设备和地域限制,能够为肺部疾病提供辅助诊断,提高诊断效率。