《DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification》网络模型解读

一、项目背景介绍

3D肺结节的检测和分类在医学领域是一个热门的研究方向,本文就这个问题选取一篇经典的论文进行解读。
下面附上论文下载链接及项目github网址;
Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification
github网址

二、网络模型解读之DeepLung框架

总的来说,作者设计了一个三维快速R-CNN用于结节检测,并提出了具有深三维DPN特征、原始结节CT像素和结节大小的GBM用于结节分类。
在这里插入图片描述
上面的网络很清楚,对于CT图像,首先使用检测子网(3D快速R-CNN)来检测候选者结节,接下来,使用分类子网(GBM)将检测到的结节分类为恶性或良性。接下来介绍这两个子网。

1. 3D快速R-CNN,用于结节检测的深3D双路径网络

任务说明:从原始图像中检测出肺结节的位置
网络结构:
包含3D双路径块和类似U-net的编码器 - 解码器结构
从图中可以看出,这是一个类似unet的网络结构,而双路径块是指图中的DPN块,接下来我们会讲这个双路径块是怎么回事。
双路径块说明:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值