文献类型：会议

作　　者：张峰 谢雨彤 夏勇 张艳宁

作者单位：西北工业大学计算机学院空天地海一体化大数据应用技术国家工程实验室

基　　金：国家自然科学基金(No.61771397)

会议文献：第十六届中国体视学与图像分析学术会议论文集——交叉、融合、创新

会议名称：第十六届中国体视学与图像分析学术会议——交叉、融合、创新

会议日期：20191017

会议地点：中国海南海口

出版日期：20191017

语　　种：中文

摘　　要：无论是在中国,还是全世界;无论是男性,还是女性,肺癌都是最常见和致死人数最多的癌症。虽然研究表明,早期发现和治疗的肺癌患者的五年存活率可以达到60%;但是,临床数据显示的肺癌患者的五年存活率仅为16%。这是因为,70%的肺癌患者确诊时往往已处于晚期了。因此,精准的早期诊断对于挽救肺癌患者的生命起着至关重要的作用。肺癌的早期形态大多表现为肺部的恶性结节,从计算机断层扫描(Computed Tomography,CT)检查恶性肺结节是肺癌筛查的常用手段。但这一工作不仅需要影像医生具有丰富的经验和高度的注意力,而且费时费力,很容易出现漏检和误检的情况。于是,具有自动检测肺结节功能的计算机辅助系统成为当前医学影像分析领域研究的一个热点和难点。其中,基于深度学习的肺结节检测技术是当前的主流方法。本文提出了一种在胸部CT影像中两阶段检测肺结节的深度学习方法。该方法分为三步:首先,对数据进行预处理,包括以统一的空间分辨率重新采样所有数据,用OTSU算法分割肺实质,以及用形态学闭操作和膨胀操作保证所得到的感兴趣区域包括所有肺实质;接着,采用一个三维残差U-Net(3D Residual U-Net,3D RU-Net)来确定肺结节候选区域;最后,使用一个三维致密连接卷积神经网络(3D Densely Connected Convolutional Neural Network,3D DC-Net)从候选结节中区分真假结节,从而降低假阳性。该方法的优点在于:第一,用于检测候选结节区域的3D RU-Net模型不仅在压缩和扩张路径上都包含有残差模块,而且使用了混合的Dice和Focal交叉熵损失函数,这些残差模块可以有效地利用高维和低维信息,使网络尽可能多的检测出候选肺结节区域,混合损失函数可以缓解数据中正负样本不均衡的问题;第二,用于降低假阳性的3D DC-Net模型包含有多个致密连接模块,这些模块能够促进梯度流动,�

关 键 词：肺结节检测  深度学习  残差学习  致密连接  胸部CT

分 类 号：TP391.41] R734.2[计算机类]