| 基于局部感受野和半监督深度自编码的肺结节检测方法研究 |
| |
| 引用本文： | 赵 鑫,强 彦,强梓林,赵涓涓,杜晓平. 基于局部感受野和半监督深度自编码的肺结节检测方法研究[J]. 科学技术与工程, 2017, 17(33) |
| |
| 作者姓名： | 赵 鑫 强 彦 强梓林 赵涓涓 杜晓平 |
| |
| 作者单位： | 太原理工大学,太原理工大学,太原理工大学,太原理工大学,山西省煤炭中心医院 |
| |
| 基金项目： | 虚拟现实技术与系统国家重点实验室基金资助项目(BUAA-VR-16KF13)山西省回国留学人员科研资助项目(2016-038)资助,国家自然科学基金项目（面上项目，重点项目，重大项目） |
| |
| 摘 要： | 深度学习在肺部影像方面的研究主要集中于肺部CT图像。对肺结节的快速准确检测是肺部疾病治疗的关键步骤。结节检测本身就是一项具有挑战性的工作,且已有的研究均很难得到较高的检测率。针对这样的问题,提出一种改进的深度半监督稀疏自编码的肺结节检测方法。首先,采用局部感受野对肺结节图像进行多层特征提取。然后,利用半监督稀疏自编码自主学习肺部影像中的结节特征。最后,融合多种临床信息实现对肺结节的准确检测。实验结果表明,该方法可以达到准确率90.14%,敏感度89.67%和平均检测率96.64%,明显优于其他方法检测性能,更适用于肺结节的精准检测。
|
| 关 键 词： | 稀疏自编码 半监督 局部感受野 肺结节辅助检测 深度学习 |
| 收稿时间： | 2017-04-17 |
| 修稿时间： | 2017-05-26 |
A Pulmonary Nodules Detection Based on Local Receptive Field and Semi-supervised Deep Autoencoder |
| |
| Zhao Xin,Qiang Zilin,Zhao Juanjuan and Du Xiaoping. A Pulmonary Nodules Detection Based on Local Receptive Field and Semi-supervised Deep Autoencoder[J]. Science Technology and Engineering, 2017, 17(33) |
| |
| Authors: | Zhao Xin Qiang Zilin Zhao Juanjuan Du Xiaoping |
| |
| Affiliation: | Taiyuan University of Technology,,Taiyuan University of Technology,Taiyuan University of Technology,Shanxi coal Central hospital |
| |
| Abstract: | |
| |
| Keywords: | sparse autoencoder semi-supervised local receptive field pulmonary nodules aided detection deep learning |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
|
