基于三维卷积神经网络的低剂量CT肺结节检测

为提高早期肺癌筛查过程中肺结节的检出率,提出利用三维卷积神经网络进行低剂量CT肺结节检测。首先采用多方向形态学滤波算法对低剂量序列CT图像进行预处理;接着,利用改进三维区域生长与凸包算法相结合进行肺实质分割;然后提取三维候选结节,为了解决卷积神经网络对样本不平衡的敏感问题,对三维候选结节正样本进行旋转和光照处理;最后在不同的网络参数下,对ELCAP数据库中50个序列低剂量肺癌筛查数据进行4组实验。实验结果表明,通过对网络参数的不断优化,准确度、灵敏度、特异度以及ROC曲线的AUC值分别达到了84.6%、88.89%、80.32%及0.924 4。该方法能够正确地对低剂量CT肺结节进行检测,与文献所提出肺结节检测算法相比,准确度、灵敏度和特异度分别平均提高了5.37%、5.6%和10.42%,综合性能较强,可以为肺癌筛查提供有效的帮助。