[发明专利]基于2D卷积神经网络的肺结节检测方法

摘要

本发明公开了一种基于2D卷积神经网络的肺结节检测方法，该方法通过疑似肺结节检测与降低假阳性的方式来提高检测精度；同时，整个检测过程可以自动完成，也加快了快肺结节的检测效率。

主权项

1.一种基于2D卷积神经网络的肺结节检测方法，其特征在于，包括：对训练集中每一CT图像，根据标注的结节位置，提取过结节中心的切片图像、以及其上下相邻两个切片图像；针对每一种切片图像，训练一个疑似肺结节检测模型：首先，输入至特征提取网络，通过判断是否是结节的二分类输出以及边界框预测，获得结节的建议区域；然后，将获得的建议区域输入到RoI pooling层进行特征图的尺寸标准化处理；最后，通过两个全连接层输出至分类概率预测层与边界框预测层；对于训练数据中正负样本做预处理来平衡正负样本的比例，之后，还利用预筛选模型对于预处理后的负样本进行分类，筛选出分类错误的负样本；再利用预处理与筛选后的训练数据来训练出三个弱分类模型；在检测过程中，利用训练好的三个疑似肺结节检测模型对待检测CT图像进行检测，获得的疑似结节的分类概率和其边界框，再利用训练好的三个弱分类模型，进行分类，对三个弱分类模型的分类结果进行多数投票选出最终的分类结果。