| 基于多尺度特征结构的U-Net肺结节检测算法 |
| |
| 引用本文： | 朱辉,秦品乐. 基于多尺度特征结构的U-Net肺结节检测算法[J]. 计算机工程, 2019, 45(4): 254-261 |
| |
| 作者姓名： | 朱辉 秦品乐 |
| |
| 作者单位： | 中北大学大数据学院,太原,030051;中北大学大数据学院,太原,030051 |
| |
| 摘 要： | 针对肺结节低层特征在网络传输过程中的缺失问题,基于多尺度特征结构,提出一种改进的U-Net卷积神经网络肺结节检测算法。采用卷积操作与池化操作获取高层特征,通过密集网络使得特征信息在输入层和输出层之间高速流通,并结合扩张卷积生成多尺度特征,提高肺结节低层特征的利用率。实验结果表明,与传统U-Net卷积神经网络的肺结节检测算法相比,改进算法对于小型结节的检测准确率约提高20%,可实现更准确的肺部病灶区域定位。
|
| 关 键 词： | 小目标检测 卷积神经网络 深度学习 密集网络 肺结节 |
U-Net Pulmonary Nodule Detection Algorithm Based on Multi-scale Feature Structure |
| |
| ZHU Hui,QIN Pinle. U-Net Pulmonary Nodule Detection Algorithm Based on Multi-scale Feature Structure[J]. Computer Engineering, 2019, 45(4): 254-261 |
| |
| Authors: | ZHU Hui QIN Pinle |
| |
| Affiliation: | (School of Data Science and Technlogy,North University of China,Taiyuan 030051,China) |
| |
| Abstract: | ZHU Hui;QIN Pinle(School of Data Science and Technlogy,North University of China,Taiyuan 030051,China) |
| |
| Keywords: | small object detection Convolutional Neural Network(CNN) deep learning dense network pulmonary nodule |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
