基于3DV-Net的肺结节检测分割算法

摘要

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。