基于深度学习的CT 影像肺结节检测

吉林大学学报(信息科学版) ›› 2019, Vol. 37 ›› Issue (5): 572-581.

基于深度学习的CT 影像肺结节检测

赵梓淇^a，裴昀^b，常振东^a，王博^a，安烁文^a，李文辉^a

吉林大学a．计算机科学与技术学院; b．电子科学与工程学院，长春130012

出版日期:2019-09-24 发布日期:2019-12-25
通讯作者: 李文辉( 1961— ) ，男，长春人，吉林大学教授，主要从事计算机图形学，计算机图像处理，模式识别研究，( Tel) 86-431-85166855( E-mail) liwh@ jlu． edu． cn。 E-mail:liwh@ jlu． edu． cn
作者简介:赵梓淇( 2000— ) ，男，长春人，吉林大学本科生，主要从事智能医学影像理解与分析研究，( Tel) 86-15504403641( E-mail) muxin0527@ sina． com; 通讯作者: 李文辉( 1961— ) ，男，长春人，吉林大学教授，主要从事计算机图形学，计算机图像处理，模式识别研究，( Tel) 86-431-85166855( E-mail) liwh@ jlu． edu． cn。
基金资助:
吉林省自然科学基金资助项目( 20180101038JC)

Lung Nodules Detected by CT Image Based on Deep Learning

ZHAO Ziqi^a，PEI Yun^b，CHANG Zhendong^a，WANG Bo^a，AN Shuowen^a，LI Wenhui^a

a． College of Computer Science and Technology; b． College of Electronic Science and Engineering，Jilin University，Changchun 130012，China

Online:2019-09-24 Published:2019-12-25

摘要/Abstract

摘要： 为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题，提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ，特点是端到端，像素到像素，网络对每个像素点进行分类，能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明，该方法对肺结节的检测效果良好。

关键词: 深度学习, 肺结节, 深度U-Net 网络, 语义分割, 全卷积网络( FCN)

Abstract: To assist doctors in detecting large numbers of pulmonary nodules in lung CT ( Computed Tomography) images，lung nodules were segmented using the deep U-Net network． As U-Net network comes from FCN ( Full Convolution Network) ，it is characterized by end-to-end and pixel to pixel． The network classifies each pixel and can combine the abstract feature information of deep features with the position information of the concrete feature of shallow features to obtain the segmentation mask of CT image． Experimental results show that this method is effective in detecting lung nodules．

Key words: deep learning, lung nodules, deep U-Net, semantic segmentation, full convolution network ( FCN)

中图分类号:

TP193

赵梓淇, 裴昀, 常振东, 王博, 安烁文, 李文辉. 基于深度学习的CT 影像肺结节检测[J]. 吉林大学学报(信息科学版), 2019, 37(5): 572-581.

ZHAO Ziqi, PEI Yun, CHANG Zhendong, WANG Bo, AN Shuowen, LI Wenhui. Lung Nodules Detected by CT Image Based on Deep Learning[J]. Journal of Jilin University (Information Science Edition), 2019, 37(5): 572-581.

[1]	霍晓凯, 史冬辉, 石一锐, 周柚, 时小虎, 吴春国. 口语对话系统中对话管理的演变[J]. 吉林大学学报(信息科学版), 2019, 37(6): 623-630.
[2]	刘富，刘星，康冰. 基于浅层残差网络的视线估计算法[J]. 吉林大学学报(信息科学版), 2018, 36(3): 333-338.
[3]	邵晓光,董宏丽,代丽艳 . 微地震监测技术综述[J]. 吉林大学学报(信息科学版), 2018, 36(1): 55-61.
[4]	安杏杏,董宏丽,张勇,邵晓光,代丽艳 . 输油管道泄漏检测技术综述[J]. 吉林大学学报(信息科学版), 2017, 35(4): 424-429.