期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用于CT图像肺结节检测的深度学习方法综述
被引量：
10
1
作者
张福玲
张少敏
《计算机工程与应用》
CSCD
北大核心
2020年第13期20-32,共13页
肺癌是世界上死亡率最高的癌症,通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大。为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率,研究人员提出了计算机辅助检测(CAD)系统辅助放射科医生检测和诊断肺结节。目前,研究人...
肺癌是世界上死亡率最高的癌症,通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大。为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率,研究人员提出了计算机辅助检测(CAD)系统辅助放射科医生检测和诊断肺结节。目前,研究人员正在尝试不同的深度学习技术,以提高计算机辅助诊断系统在基于CT图像的肺癌筛查中的性能。这项工作回顾了作为肺癌检测的CAD系统目前典型的深度学习的算法和框架,主要从数据集介绍、2D深度学习方法、3D深度学习方法、数据不平衡问题的处理、模型训练方法以及模型可解释性这六个方面进行介绍。最后,对各个方法的主要特点和算法性能进行了综合比较分析,并对如何提高结节检测性能进行了展望。
展开更多
关键词
深度学习
CT图像
候选结节检测
卷积神经网络
在线阅读
下载PDF
职称材料
基于深度卷积神经网络的两阶段肺结节检测
2
作者
韩鹏
强彦
+2 位作者
刘继华
贾婧
Syed Basit Ali Shah Bukhari
《计算机工程与设计》
北大核心
2021年第3期755-761,共7页
针对传统肺结节检测中存在灵敏度低、假阳性高、小结节难检测的问题,提出一种基于深度卷积神经网络的两阶段肺结节检测框架。第一阶段使用特征金字塔子网提取肺部影像的多层次特征,引入多尺度区域建议子网用于在高灵敏度下检测出所有的...
针对传统肺结节检测中存在灵敏度低、假阳性高、小结节难检测的问题,提出一种基于深度卷积神经网络的两阶段肺结节检测框架。第一阶段使用特征金字塔子网提取肺部影像的多层次特征,引入多尺度区域建议子网用于在高灵敏度下检测出所有的候选结节;第二阶段设计级联卷积神经网络模型减少假阳性,通过保留分类错误样本用于重新训练模型,将多个模型结果进行投票选出最终分类结果。LUNA16数据集上的实验结果表明,所提框架灵敏度达到95.9%,检测效果优于其它算法,能够有效实现肺结节的准确检测。
展开更多
关键词
候选结节检测
特征金字塔子网
多尺度区域建议子网
假阳性减少
级联卷积神经网络
在线阅读
下载PDF
职称材料
题名
应用于CT图像肺结节检测的深度学习方法综述
被引量：
10
1
作者
张福玲
张少敏
机构
北方民族大学计算机科学与工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2020年第13期20-32,共13页
基金
国家自然科学基金(No.61561002)
北方民族大学研究生创新项目(No.YCX19082)
+1 种基金
国家民委创新团队“图像与智能信息处理”科研平台项目(No.PY1905)
北方民族大学“计算机视觉与虚拟现实”创新团队项目。
文摘
肺癌是世界上死亡率最高的癌症,通过胸部CT影像检测肺结节对肺癌早期诊断和治疗意义重大。为了减轻放射科医生的工作量以及同时减少误诊率和漏诊率,研究人员提出了计算机辅助检测(CAD)系统辅助放射科医生检测和诊断肺结节。目前,研究人员正在尝试不同的深度学习技术,以提高计算机辅助诊断系统在基于CT图像的肺癌筛查中的性能。这项工作回顾了作为肺癌检测的CAD系统目前典型的深度学习的算法和框架,主要从数据集介绍、2D深度学习方法、3D深度学习方法、数据不平衡问题的处理、模型训练方法以及模型可解释性这六个方面进行介绍。最后,对各个方法的主要特点和算法性能进行了综合比较分析,并对如何提高结节检测性能进行了展望。
关键词
深度学习
CT图像
候选结节检测
卷积神经网络
Keywords
deep learning
CT images
candidate nodule detection
convolutional neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于深度卷积神经网络的两阶段肺结节检测
2
作者
韩鹏
强彦
刘继华
贾婧
Syed Basit Ali Shah Bukhari
机构
太原理工大学信息与计算机学院
吕梁学院计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2021年第3期755-761,共7页
基金
国家自然科学基金项目(61872261)
北京航空航天大学虚拟现实技术与系统国家重点实验室开放基金项目(VRLAB2018A08)。
文摘
针对传统肺结节检测中存在灵敏度低、假阳性高、小结节难检测的问题,提出一种基于深度卷积神经网络的两阶段肺结节检测框架。第一阶段使用特征金字塔子网提取肺部影像的多层次特征,引入多尺度区域建议子网用于在高灵敏度下检测出所有的候选结节;第二阶段设计级联卷积神经网络模型减少假阳性,通过保留分类错误样本用于重新训练模型,将多个模型结果进行投票选出最终分类结果。LUNA16数据集上的实验结果表明,所提框架灵敏度达到95.9%,检测效果优于其它算法,能够有效实现肺结节的准确检测。
关键词
候选结节检测
特征金字塔子网
多尺度区域建议子网
假阳性减少
级联卷积神经网络
Keywords
candidate nodule detection
feature pyramid subnet
multi-scale region proposal subnet
false positive reduction
cascade convolutional neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用于CT图像肺结节检测的深度学习方法综述
张福玲
张少敏
《计算机工程与应用》
CSCD
北大核心
2020
10
在线阅读
下载PDF
职称材料
2
基于深度卷积神经网络的两阶段肺结节检测
韩鹏
强彦
刘继华
贾婧
Syed Basit Ali Shah Bukhari
《计算机工程与设计》
北大核心
2021
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
