基于混合损失联合调优与多尺度分类相结合的肺结节检测算法.PDF

———————————————————————————————————————————————— 基于混合损失联合调优与多尺度分类相结合的肺结节检测算法 作者 姚宇瑾，张利 机构 清华大学 电子工程系 DOI 10.3969/j.issn.1001-3695.2018.03.0153 预排期卷 《计算机应用研究》2019 年第36 卷第9 期 摘要 针对 CT 图像的肺结节自动检测任务中检测灵敏度低及存在大量假阳性的问题，提出了一个 基于混合损失的三维全卷积网络与基于注意力的多尺度三维残差网络相结合的肺结节检测 方法。首先，基于相似度损失预训练三维全卷积网络，利用该网络筛选难例样本，并基于混 合损失将难例与正样本进行联合调优得到候选结节检测网络，用于快速筛选疑似结节；然后， 利用基于注意力的多尺度三维残差卷积网络对疑似结节进行分类，从候选结节中精确地分辨 出真正结节。在LUN16 数据集上，候选结节检测阶段的灵敏度在每个病例的假阳数目为59.1 时达到97.18%，检测系统的平均灵敏度为 0.880，表明本算法可以提高肺结节检测的灵敏度 并有效控制假阳性，在LUNA16 数据集上获得了更优的性能。 关键词 肺结节检测；混合损失；联合调优；注意力；多尺度 作者简介 姚宇瑾（1993-），女，浙江绍兴人，硕士研究生，主要研究方向为医学图像处理 模式识别 ､ ､ 深度学习（yaoyj15@ ）；张利（1965-），男，教授，博导，博士，主要 研究方向为图像处理 模式识别． ､ 中图分类号 TP391.41 访问地址 /article/02-2019-09-020.html 投稿日期 2018 年3 月6 日 修回日期 2018 年4 月17 日 发布日期 2018 年5 月24 日 引用格式 姚宇瑾, 张利. 基于混合损失联合调优与多尺度分类相结合的肺结节检测算法[J/OL]. 2019, 36(9). [2018-05-24]. /article/02-2019-09-020.html. 36 9 Vol. 36 No. 9 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication 基于混合损失联合调优与多尺度分类相结合的肺结节检测算法 姚宇瑾，张 利 (清华大学 电子工程系, 北京 100084) 摘 要：针对 CT 图像的肺结节自动检测任务中检测灵敏度低及存在大量假阳性的问题，提出了一个基于混合损失的 三维全卷积网络与基于注意力的多尺度三维残差网络相结合的肺结节检测方法。首先，基于相似度损失预训练三维全 卷积网络，利用该网络筛选难例样本，并基于混合损失将难例与正样本进行联合调优得到候选结节检测网络，用于快 速筛选疑似结节；然后，利用基于注意力的多尺度三维残差卷积网络对疑似结节进行分类，从候选结节中精确地分辨 出真正结节。在LUN16 数据集上，候选结节检测阶段的灵敏度在每个病例的假阳数目为59.1 时达到97.18%，检测系 统的平均灵敏度