- 18
- 0
- 约2.09千字
- 约 3页
- 2022-06-12 发布于上海
- 举报
⽤CNN识别CT图像检测肺癌
⽤CNN识别CT图像检测肺癌
原⽂:
翻译参考:
概要
本⽂为2017年由Kaggle举办的数据科学竞赛的第⼆名获奖者Julian de Wit的部分解决⽅案。Julian de Wit和Daniel Hammack通过构建
3D卷积神经⽹络创建肺结节探测器,预测患者患癌的可能性。Wit的开发环境为Windows版的Tensorflow和Keras库。
Kaggle在该⽐赛中提⽰参赛选⼿可参考之前的LUNA16竞赛。该竞赛采⽤的数据集是由公开数据集LIDC-IDRI转化⽽来的,医⽣为800多
个病⼈的CT图像标记了1000多个肺结节。因此,可以从整张CT图像中的标记周围裁剪出⼩型3D图像,将这些⼩型3D图像与结节标记直
接对应,从⽽利⽤神经⽹络学习这些特征,训练出⼀个神经⽹络来检测肺结节,并评估结节的恶性程度,预测患者患癌的可能性。其中,预
测时神经⽹络通过滑动窗⼝的⽅式来遍历整张CT图像,分别判断每个滑动窗⼝所包含的区域是否含有恶性信息的可能性。
数据预处理和创建训练集
数据预处理
1mm 3
在预处理过程中,⾸先对CT图像进⾏缩放,保证图像中的每个像素点只表⽰
原创力文档

文档评论(0)