基于神经网络优化的胸部 CT 肺结节检测方法
简介
本章提出了一种基于几何特征和统计特征的获取初始候选肺结节的评分方法；并在此基础之上 提出了一种基于神经网络优化的胸部 CT 肺结节检测方法。该方法的特点在于不直接使用特征、而 是基于候选结节周围的邻域值分布对结节的阴阳性做出判断。在初始候选结节检测阶段，本章将通 过连通性分析和数值统计特征在保证真阳结节不被删除的前提下大幅降低假阳性结节的数量；接着， 使用从体素及邻域信息组成的向量训练的多个神经网络对候选结节做出判断，输出每个候选结节体 素与结节的相似度，并通过一个三维打分函数对整个候选结节进行评估，进而确定最终结节。在包 含 263 个结节的 105 个 CT 数据上的测试表明，本章的方法能够在 2.0 FPs/case 的情况下取得 89.4% 的识别率。
A CADe System for Nodule Detection in Thoracic CT Images based on Artificial Neural Network,
Liu, X.; Hou, F.; Qin, H.; Hao, A.,
in Science China Information Sciences, 2017, 60(7):072106.
URL: http://engine.scichina.com/doi/10.1007/s11432-016-9008-0
Paper
A CADe System for Nodule Detection in Thoracic CT Images based on Artificial Neural Network
后续进展
本文已获得中国科学推荐，并撰写相应新闻稿。《中国科学: 信息科学》已在以下平台对已发表的论文 “A CADe system for nodule detection in thoracic CT images based on artificial neural network”(稿件编号：SCIS-2016-0596)进行了宣传，
《中国科学：信息科学》微信公众平台，您可扫描下方二维码获取并分享新闻信息。
科学网新闻访问链接： URL: http://blog.sciencenet.cn/home.php?mod=space&uid=528739&do=blog&id=1064555
EureKalert新闻访问链接： URL: https://www.eurekalert.org/pub_releases/2017-06/scp-aht062917.php