avatar avatar 我的文献 基于Faster-RCNN的肺结节检测算法 单位 1(山东大学第二医院; 济南250033) 2(山东大学信息科学与工程学院; 山东 青岛 266237) 期刊 中国生物医学工程学报 时间 关键词 Faster-RCNN; 肺结节检测; ZF模型; VGG模型; 卷积神经网络
摘要
针对目前的肺结节检测中存在的个体差异、同病异影、同影异病的问题,本研究提出一种大样本条件下的基于Faster-RCNN的肺结节检测算法,对比研究目前的深度学习模型的适应性,给出一种通用的随着样本数量增加肺结节检测率持续提升的策略。首先搭建深度学习的软硬件环境,设置影像数据接口与Faster-RCNN的网络接口匹配;然后搭建Faster-RCNN的单类分类网络,并对网络结构的参数进行调整优化;最后用包含2000例病人的肺结节数据集,通过不同的卷积神经网络模型(包括ZF和VGG),计算CT图像在各自模型中的特征。对测试结果进行分析评估,分别统计其漏检率,检测准确率,并探讨不同训练数量和数据增广类型对最终检测准确率的影响。最终ZF模型的检测准确率为87.02%,准确率的波动方差为0.133,漏检率为0.252;VGG模型的检测准确率为90.82%,准确率的波动方差为0.371,漏检率为0.515。考虑到漏检率和检测准确率的性能平衡,ZF模型的波动方差小,准确率稍低,检测精确度高,综合考虑,ZF模型对肺结节的检测效果优于VGG模型。本研究提出的肺结节检测技术具有良好的理论价值和工程应用价值。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭