用于肺结节检测和分类的两阶段深度学习方法

摘要

针对肺部CT数据具有空间信息的特点,提出一种基于深度学习的两阶段方法,即使用两个3D卷积网络有效学习结节特征,对CT图像中的肺结节进行检测和分类。该方法的检测器部分采用基于U-Net的编码器-解码器结构的3D语义分割模型,以预测结节的位置、大小和语义掩码;分类器部分采用3D双路径网络,用于特征的汇总和收缩,并给出分类结果。为充分利用原始数据中的特征信息,将检测器的结果应用于对原始数据进行采样和掩码操作,并通过空间金字塔池化层获得一致的输入尺度。在公开数据集上的实验结果表明,该深度学习方法对CT图像肺结节的检测和分类具有良好的性能。