基于Faster R-CNN的肺结节检测改进方法

摘要

为了解决传统的肺结节检测模型检测敏感度低、假阳性高的问题,提出了一种基于三维卷积神经网络的肺结节检测模型.首先,为了提高运行速度和网络灵活性,采用了单阶段模式,没有假阳性减少阶段;其次,基于上述模型对Faster R-CNN网络进行了改进,创新地将类3D UNet++体系结构作为其区域建议网络的主干,并采用残差块的灵活嵌套模式.3D UNet++网络和残差块都具有多特征融合特性,增强了该模型对特征提取的能力.实验表明:本文改进的方法在基于LUNA16数据集上的假阳性筛查中,其平均敏感度可达到87％,较UNet++网络增长了7.5％;召回率(敏感度)高达95.5％,较VGG16网络增长了7.36％.由此可见,该改进模型能够明显提高检测敏感度和降低假阳性,可为临床应用提供理论参考.