期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
多输入卷积神经网络肺结节检测方法研究 被引量:15
1
作者 赵鹏飞 赵涓涓 +2 位作者 强彦 王峰智 赵文婷 《计算机科学》 CSCD 北大核心 2018年第1期162-166,共5页
针对传统计算机辅助诊断系统中肺部结节检出过程复杂,检出结果依赖于分类前期每个步骤的性能,以及存在假阳性率高的问题,提出了一种基于卷积神经网络的端到端的肺结节检测方法。该方法首先使用大量带标签的肺结节数据对构建的多输入卷... 针对传统计算机辅助诊断系统中肺部结节检出过程复杂,检出结果依赖于分类前期每个步骤的性能,以及存在假阳性率高的问题,提出了一种基于卷积神经网络的端到端的肺结节检测方法。该方法首先使用大量带标签的肺结节数据对构建的多输入卷积神经网络进行训练,实现从原始数据到语义标签的有监督学习。然后采用快速边缘检测方法和二维高斯概率密度函数构建候选区域模板,从待检测CT序列中获取候选区域并将其作为多输入卷积神经网络的输入数据。最后采用判定阈值实现疑似肺结节区域标注,同时在相邻的CT影像中进行重点检测。在LIDC-IDRI数据集上的大量实验结果表明,所提方法在肺部CT影像中对微、小结节的检出率较高;同时,重点检测模板能够小幅降低微、小结节检测的假阳率。 展开更多
关键词 计算机辅助诊断 卷积神经网络 微小结节检测 lidc-IDRI数据集预处理
在线阅读 下载PDF
基于多视角深度信念网络的肺结节识别方法 被引量:3
2
作者 张婷 赵涓涓 +2 位作者 罗嘉滢 强彦 肖小娇 《科学技术与工程》 北大核心 2018年第5期92-98,共7页
针对传统肺癌计算机辅助诊断系统中肺结节检出过程烦琐,且存在假阳性高的问题,提出一种基于多视角深度信念网络的肺结节识别方法。该方法首先将肺结节进行三维重建并将重建后不同大小的肺结节归一到不同尺度的立方体中,然后将不同视角的... 针对传统肺癌计算机辅助诊断系统中肺结节检出过程烦琐,且存在假阳性高的问题,提出一种基于多视角深度信念网络的肺结节识别方法。该方法首先将肺结节进行三维重建并将重建后不同大小的肺结节归一到不同尺度的立方体中,然后将不同视角的2.5D切片作为深度信念网络的输入数据,最后通过不同的融合策略完成对肺结节的识别。在肺部图像数据库联盟(LIDC)数据集上大量实验表明:相比于传统肺癌识别系统本文方法敏感性为(92.8±0.25)%,平均每组病例假阳性个数为2.4±0.3,该方法能有效降低肺结节自动检测过程中的假阳性率。 展开更多
关键词 肺结节 假阳性 多视角深度信念网络 lidc数据集
在线阅读 下载PDF
一种基于形态学可变元的肺实质分割方法 被引量:1
3
作者 海涌昊 朱梦宇 《生命科学仪器》 2019年第4期61-65,共5页
能极大提高肺癌患者生存率的诊断方式是肺癌的早期诊断,基于当前肺癌的早期诊断都依赖于恶性肺结节的检测,而肺结节检测算法数据准备环节最重要的一步是肺实质分割的现状,本文提出一种基于形态学可变元的肺实质分割方法。传统的形态学... 能极大提高肺癌患者生存率的诊断方式是肺癌的早期诊断,基于当前肺癌的早期诊断都依赖于恶性肺结节的检测,而肺结节检测算法数据准备环节最重要的一步是肺实质分割的现状,本文提出一种基于形态学可变元的肺实质分割方法。传统的形态学肺实质分割方法在分割大多数正常肺部CT时,能够达到优良的效果,但是在面对肺部情况复杂,CT层位于肺部顶端或底端时,传统的形态学肺实质分割方法便会失效,此时便需要人工分割。本文提出的这一新方法,能极大提高肺实质分割准确率,摆脱需要人工分割的局面。 展开更多
关键词 肺实质分割 形态学 可变元 lidc数据集
在线阅读 下载PDF
LIDC-IDRI肺结节数据集解析及对构建中医共享数据集的意义
4
作者 李旖旎 刘子晴 +1 位作者 成福春 姚政 《中国医疗器械信息》 2024年第5期36-38,48,共4页
通过搭建环境运行lidc_nodule_detection_master项目,对LIDC-IDRI数据集进行解析,并利用卷积神经网络、长短时记忆网络等对已标注的肺结节计算机体层成像医学影像进行训练,并用相关的测试数据集进行验证。该项目,对于中医共享数据集的构... 通过搭建环境运行lidc_nodule_detection_master项目,对LIDC-IDRI数据集进行解析,并利用卷积神经网络、长短时记忆网络等对已标注的肺结节计算机体层成像医学影像进行训练,并用相关的测试数据集进行验证。该项目,对于中医共享数据集的构建,如类似DICOM文件的生成(舌像图、脉象图等),相关属性及特征的标注,XML文件的构建,相关算法的开发等,具有重要的参考借鉴意义。 展开更多
关键词 lidc-IDRI 肺结节 DICOM 中医共享数据集 循环神经网络 卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部