-
题名融合注意力机制的3DV-Net肺结节检测
- 1
-
-
作者
魏海月
陈海龙
徐欣瑶
张秀霞
周信澎
-
机构
哈尔滨理工大学计算机科学与技术学院
-
出处
《哈尔滨理工大学学报》
北大核心
2025年第4期123-133,共11页
-
基金
国家自然科学基金(61772160)。
-
文摘
肺结节在肺癌的早期诊断和治疗中起着重要作用。针对目前的肺结节检测算法存在的漏检误检问题,提出一种融合注意力机制的3DV-Net模型用于肺结节的检测。首先,构建了3DV-Net模型用于肺结节的基础检测,保证了肺结节的检测准确率。其次,综合考虑通道和空间信息的CBAM(convolutional block attention module,CBAM)注意力机制来增强生成图像的特征,从而提升模型性能。最后,使用公开数据集LUNA16训练和评估模型。实验结果显示,所提出的融合注意力机制3DV-Net模型提升了肺结节检测性能,预测结果与真实标签的交并比达到了84.88%,Dice损失达到-90.43%,验证了模型的可行性和检测的准确性。
-
关键词
肺结节检测
深度学习
医学图像处理
3dv-net网络
注意力机制
-
Keywords
pulmonary nodule detection
deep learning
medical image processing
3dv-net network
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于3DV-Net的肺结节检测分割算法
- 2
-
-
作者
刘方
孙鹏
陈真诚
-
机构
桂林电子科技大学生命与环境科学学院
桂林电子科技大学电子工程与自动化学院
桂林电子科技大学生命与环境科学学院广西高校生物传感与仪器重点实验室
-
出处
《中国医学物理学杂志》
CSCD
2023年第1期77-82,共6页
-
基金
广西自然科学基金(2018GXNSFDA281044)
广西创新驱动发展项目(2019AA12005)
广西自动检测技术与仪器重点实验室项目(YQ20108)。
-
文摘
目的:提出基于深度学习的肺结节识别与分割算法,以辅助医生进行肺部疾病检测。方法:针对LUNA16数据集数据量大以及肺结节种类大小多样性等特征,采用基于改进的深度神经网络3DV-Net实现多种肺结节的检测分割,然后使用ResNet对结节图像和非结节图像进行分类。对LUNA16数据集中的肺部CT图像进行图像去噪、插值采样等预处理,然后生成粗分割图像和Mask图像,再使用改进的3DV-Net模型对数据进行多次训练预测。网络层级越深,出现梯度消散、梯度爆炸等问题的概率越大,改进的3DV-Net使用残差连接来改善这一问题。结果:改进的3DV-Net的Dice相似系数和IoU分别达到88.29%和88.25%。结论:本文方法有助于肺结节的检测分割,在肺结节的辅助诊断方面有重要意义。
-
关键词
肺部疾病
CT图像
肺结节分割
3dv-net
深度学习
-
Keywords
pulmonary disease
CT image
pulmonary nodule segmentation
3dv-net
deep learning
-
分类号
R318
[医药卫生—生物医学工程]
-
