《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。

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：

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：