最先进三维肺结节候选框生成方法的系统性分析
计算机视觉与模式识别
2018-02-08 v1
摘要
肺结节候选框生成是肺结节检测的首要步骤，近年来受到广泛关注。本文首先构建了一个三维卷积神经网络（3D CNN）模型来生成肺结节候选框，该模型能够达到最先进的性能。随后，我们分析了一系列有关训练性能与效率的关键问题。首先，我们使用不同分辨率的数据训练3D CNN模型，发现由高分辨率输入数据训练的模型在肺结节候选框生成上表现更优，尤其是对尺寸过小的结节，但同时消耗更多内存。接着，我们分析了不同平台上的内存消耗，实验结果表明CPU架构能够为我们提供更大内存，并使我们能够探索更多3D应用的可能性。我们在CPU平台上实现了3D CNN模型，并提出了支持多种高效3D计算的Intel Extended-Caffe框架，其开源地址为https://github.com/extendedcaffe/extended-caffe。
引用
@article{arxiv.1802.02179,
title = {A Systematic Analysis for State-of-the-Art 3D Lung Nodule Proposals Generation},
author = {Hui Wu and Matrix Yao and Albert Hu and Gaofeng Sun and Xiaokun Yu and Jian Tang},
journal= {arXiv preprint arXiv:1802.02179},
year = {2018}
}
备注
7 pages, 9 figures, 3 tables