基于可变形卷积神经网络的肺结节假阳性识别 |
| |
作者姓名: | 王梦南 赵涓涓 肖宁 郝瑞 |
| |
作者单位: | 太原理工大学 信息与计算机学院,山西 晋中 030600;山西财经大学 信息学院,山西 太原 030001 |
| |
基金项目: | 国家自然科学基金项目(61972274);;中国博士后科学基金项目(2018M631774); |
| |
摘 要: | 针对肺结节检测中假阳性高的问题,提出一种基于可变形卷积神经网络的肺结节假阳性降低框架。使用多尺度候选结节作为输入,使用可变形卷积神经网络提取候选结节的多层次上下文特征,渐进融合不同输入顺序的候选结节特征信息。通过端到端的学习方式集成多流渐进特征信息得到最终的分类结果。在LUNA16数据集和合作医院临床数据集上,所提框架CPM评分优于已有方法,检测出的结节数量最多,假阳性结节数量最少,有很好的泛化能力,能有效降低结节假阳性,适用于真实的临床数据。
|
关 键 词: | 渐进特征提取 可变形卷积神经网络 多流特征集成 假阳性降低 临床数据 |
本文献已被 万方数据 等数据库收录! |
|