23、基于2D CNN的肺部结节检测与分类系统

基于2D CNN的肺部结节检测与分类系统

在肺部CT扫描中，准确检测和分类肺部结节对于肺癌的早期诊断至关重要。传统的基于3D CNN的CAD系统虽然取得了不错的效果，但存在训练时间长、模型尺寸大等问题。相比之下，2D CNN网络受切片厚度影响小，训练时间和处理资源需求少，因此成为检测肺部结节的更广泛选择。

1. 系统概述

提出了一种基于2D CNN的自动化肺部结节检测系统，该系统包括两个阶段：结节候选检测和假阳性减少。设计了两个2D深度卷积网络用于结节检测和分类。

2. 结节候选检测

• 检测结构 ：基于Faster R - CNN设计检测结构，使用原始CT扫描，目标是检测结节候选并为每个位置分配结节概率。为充分利用CT扫描的空间信息，提取结节的中间切片和两个相邻切片，分别用三个2D CNN进行训练，测试时合并检测结果得到结节候选区域。
• 网络组成 ：
  1. 特征提取网络 ：采用VGG16，有5组卷积，供后续子网络共享。由于肺部结节比自然图像中的常见物体小很多，感受野的选择对肺部结节候选检测很重要。在VGG16的最后卷积层（conv5 3）后添加反卷积层，得到148×148的特征图。
  2. 区域提议网络 ：应用两个区域提议网络整合低层信息，分别连接到反卷积层和中间卷积层（conv3 3），可以从不同视角获取结节的有用信息。
  3. 感兴趣区域分类器 ：设计了七种不同大小的