融合迭代自组织数据分析的肺结节自动检测算法
张浩1
解艺旋1
杨晓楠1
岳晨阳1
马明2
夏立坤1
1.首都师范大学信息工程学院 北京 1000482.威诺那州立大学计算机科学系 威诺那 55987
摘要：肺结节的早期诊断能为肺癌的及时发现提供可能,而肺部断层扫描(Computed Tomography,CT)为结节的诊断提供了一种便利方法.为了辅助医生对CT中肺结节的有效读取,论文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)的肺结节自动检测算法.该算法以Faster R-CNN网络为基础框架,首先,使用迭代自组织数据分析算法(Iter-ative Self-organizing Data Analysis Techniques Algorithm,ISODATA)对所输入的肺部CT图像进行聚类学习,以自动生成更加符合肺结节形态特征的锚框参数,进而指导区域候选网络生成更加贴合结节真实大小的候选框,在减少假阳结果产生的同时,提高肺结节检测的精确度;其次,采用Focal Loss作为分类损失函数,其通过对难以识别的肺结节样本分配更高的权重,以加强对这些样本的学习,进而提高算法的分类能力.与目前先进的目标检测算法相比较,论文所提出的算法在肺结节数据集LIDC-IDRI上,取得了优异的表现,并且在对正确分辨肺结节的真伪性方面具有更大的潜力.
关键词：肺结节检测Faster R-CNN聚类学习损失函数卷积神经网络
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61572076)北京自然科学基金(4202011)首都师范大学交叉科学研究院引导研发课题(JCKXYJY2019018)
论文发表日期：2024-05-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1336-1340,1358 )
英文信息