应用于平扫CT图像肺结节检测的深度学习方法综述

发布时间：2018-02-20 08:12

  本文关键词： 深度学习 肺结节 卷积神经网络 数据库　出处：《浙江大学学报(理学版)》2017年04期 　论文类型：期刊论文

【摘要】：肺癌是一种致死率很高的癌症.通过肺部平扫CT影像检测肺结节对肺癌早期诊断、治疗意义重大.全面介绍了一种革命性的图像识别技术——深度学习方法,在肺结节检测中的应用.首先,横向对比了不同卷积神经网络的结构及其在图像识别上的效果,其次着重分析了不同深度学习方法在训练肺结节分类器上的应用,包括faster-RCNN、迁移学习、残差学习以及迁移学习.还介绍了一些可用的肺部CT影像数据集供读者参考.
[Abstract]:Lung cancer is a high mortality rate of cancer. CT scan images through the lungs flat lung nodule detection in early diagnosis of lung cancer, the treatment of great significance. This paper introduces a image recognition technology revolutionary -- deep learning method used in the detection of pulmonary nodules. First of all, to compare different convolutional neural network and its structure effect in image recognition, and analyzes the application of different methods in training, deep learning classifier on pulmonary nodules including faster-RCNN, transfer learning, residual learning and transfer learning. It also introduces some available lung CT image data set a reference for the reader.

【作者单位】： 丽水学院工学院;浙江大学计算机学院CAD&CG国家重点实验室;
【基金】：浙江省自然科学基金资助项目(LY13F020019)
【分类号】：R734.2;TP391.41

【参考文献】

相关期刊论文 前2条

1 刘玉杰;庞芸萍;李宗民;李华;;融合抽象层级变换和卷积神经网络的手绘图像检索方法[J];浙江大学学报(理学版);2016年06期

2 梁昔明,钱积新;大规模界约束优化的子空间截断牛顿法[J];浙江大学学报(理学版);2002年05期

【共引文献】

相关期刊论文 前3条

1 胡伟俭;陈为;冯浩哲;张天平;朱正茂;潘巧明;;应用于平扫CT图像肺结节检测的深度学习方法综述[J];浙江大学学报(理学版);2017年04期

2 张晓东;张强;雷阳;李树荣;周英毫;;基于最优控制方法的聚合物驱注入浓度优化[J];化工学报;2010年08期

3 黄越夏,沈瑞敏;求解Helmholtz方程的一类非线性局部正交变换[J];浙江大学学报(理学版);2004年05期

【相似文献】

相关期刊论文 前10条

1 毛亚莉;刘勇;张晓忠;;肺结节的X线片诊断[J];中国民康医学;2006年22期

2 宋佳;李翠芳;孙希文;聂生东;;一种非实质性肺结节分割的新方法[J];中国医学影像技术;2011年12期

3 ;矽肺结节钙化五例临床分析[J];冶金劳动卫生;1976年02期

4 王敏杰,王培军,田建明,余准,李晓兵,崔恒武,邵成伟;低剂量和靶螺旋CT扫描技术在肺结节诊断中的价值[J];临床放射学杂志;2003年07期

5 王化,唐光健;多层螺旋CT在肺结节诊断中的应用及展望[J];国外医学(临床放射学分册);2005年06期

6 吴龙海;周荷琴;李传富;;基于高分辨率CT图像的肺结节检测[J];中国医疗器械杂志;2008年03期

7 苗芬;吴龙海;周荷琴;;一种基于相关矩阵的肺结节增强算法[J];北京生物医学工程;2008年05期

8 贾守勤;赵斌;尚延海;马子堂;刘世合;齐向芹;;常规DR胸片对肺结节漏诊原因的分析[J];医学与哲学(临床决策论坛版);2009年04期

9 高园园;吕庆文;;肺结节检测算法研究[J];医学信息;2010年02期

10 林欢;;容积CT扫描发现的肺结节的处理[J];循证医学;2010年01期

相关会议论文 前10条

1 查开继;高剑波;张永高;郭华;杨学华;周志刚;;断层融合成像与数字X线成像诊断肺结节的比较研究[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

2 孙志远;;数字化体层融合在肺结节探查中的初步应用[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年

3 穆景博;高向东;;X线数字化体层融合技术在肺结节探查中的应用[A];2010中华医学会影像技术分会第十八次全国学术大会论文集[C];2010年

4 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];2006年华东六省一市暨浙江省放射学学术年会论文汇编[C];2006年

5 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会放射学分会第八届全国心胸影像学术大会暨河南省第十二次放射学术会议论文汇编[C];2006年

6 于红;李惠民;刘士远;肖湘生;;肺外体循环动脉供血胸膜下肺结节:提示炎症?[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

7 高园园;吕庆文;冯前进;陈武凡;;一种新的肺结节检测算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

8 徐岩;马大庆;;计算机辅助检测肺结节在数字化胸片上的应用价值[A];中华医学会第十三届全国放射学大会论文汇编（下册）[C];2006年

9 王永仁;吴碧芳;经凤华;李峻;金德胜;;低剂量CT筛查肺结节对图像质量的影响[A];2008年浙江省放射学年会论文汇编[C];2008年

10 徐岩;马大庆;贺文;;计算机辅助检测肺结节在数字化胸片肺癌筛查中的应用价值[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年

相关重要报纸文章 前2条

1 上海交通大学医学院附属瑞金医院胸外科主任医师 邱维诚;发现肺结节 别轻易下诊断[N];健康报;2013年

2 朱立明　第四军医大学;三联诊断方案辨明肺结节[N];医药经济报;2010年

相关博士学位论文 前9条

1 刘阳;基于肺部高分辨率CT影像的肺结节识别方法研究[D];东北大学;2011年

2 吴龙海;高分辨率CT图像的肺部病变计算机辅助诊断研究[D];中国科学技术大学;2008年

3 裴晓敏;基于CT影像的孤立性肺结节检测关键技术研究[D];东北大学;2011年

4 李惠民;肺结节CT研究[D];第二军医大学;2003年

5 韩芳芳;基于CT图像多维特征的肺结节检测和诊断方法研究[D];东北大学;2015年

6 蔡强;低剂量螺旋CT早期肺癌筛查—肺结节的检出及其相关研究[D];北京协和医学院;2011年

7 孙申申;基于CT影像的肺结节检测与分割方法研究[D];东北大学　;2009年

8 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年

9 张涛;肺结节PET诊断的系统分析及~（11）C-鬼臼的实验研究[D];中国人民解放军军医进修学院;2008年

相关硕士学位论文 前10条

1 邢谦谦;不规则形态肺结节的分割及毛刺检测研究[D];南方医科大学;2015年

2 刘晓娜;基于支持向量机的肺结节识别研究[D];浙江大学;2016年

3 滕雅琴;计算机辅助检测系统CT肺结节检出方式的研究[D];新疆医科大学;2016年

4 黑啸吉;基于低剂量CT图像的肺结节分割算法研究[D];郑州大学;2016年

5 张俊杰;基于粗糙集的特征级融合肺结节检测算法[D];宁夏医科大学;2016年

6 刘晨辉;基于DoG的胸部CT肺结节自动检测算法研究[D];广州大学;2016年

7 乐昂霖;基于SVM的肺结节分割与识别[D];东北大学;2015年

8 李仙凤;生物标志物结合肺结节影像学特征对肺结节良恶性的预测价值[D];大连医科大学;2016年

9 柏芸;低剂量胸腔CT肺部影像的肺结节计算机辅助诊断方法研究[D];西南交通大学;2017年

10 王国明;基于CT图像的肺结节分割方法研究[D];长春工业大学;2017年

，

本文编号：1519175