基于密集残差连接的肺结节检测方法 |
| |
作者姓名: | 胥 阳 佘青山 杨 勇 张建海 |
| |
作者单位: | 杭州电子科技大学自动化学院,浙江省脑机协同智能重点实验室 |
| |
基金项目: | 国家自然科学基金面上项目(62371172,61871427); |
| |
摘 要: | 针对目前基于深度学习的肺结节检测算法中不同深度与尺寸的特征信息间没有相互交流的问题,提出了一种基于密集残差连接的肺结节检测模型。本模型在3D U-Net网络的基础上引入密集连接,充分利用网络中肺结节特征图,实现不同层的特征信息的结合,提高结节特征的利用率;同时结合残差结构,避免了网络加深后出现的梯度消失问题;引入通道注意力机制,对不同通道的结节特征赋予权重,提高结节的识别率;在3D U-Net网络的编码解码部分间的跳跃连接中使用转置卷积,融合不同尺度与不同深度的特征。所提算法在肺结节公共数据集LUNA16上进行十折交叉验证,以无限制受试者操作特征为评价指标,实验结果表明,在假阳率为0.125、0.25、0.5、1、2、4、8这7个点上,平均敏感度为0.852,相较于基准模型提升5.5%。所提出的肺结节检测算法相比基准模型提高了检测敏感度,较好的实现对肺结节的检测。
|
关 键 词: | 肺结节检测 U-Net网络 密集连接 残差连接 注意力机制 |
|
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载免费的PDF全文 |
|