结合肺分割与骨影剔除技术的深度学习用于肺癌胸部 X 光分析
机器学习
2018-11-21 v1 计算机视觉与模式识别
摘要
计算、机器学习尤其是用于图像识别的深度学习近期进展，为从胸部 X 光图像（CXRs）自动检测多种疾病带来了显著成效。本文展示了利用肺分割与骨影剔除技术，通过深度学习方法分析二维 CXR 的效率，以辅助放射科医生识别肺癌患者中的可疑病灶与结节。训练与验证在以下数据集上进行：原始 JSRT 数据集（数据集 #01）、BSE-JSRT 数据集（即相同 JSRT 数据集但无锁骨与肋骨阴影，数据集 #02）、分割后原始 JSRT 数据集（数据集 #03）、以及分割后 BSE-JSRT 数据集（数据集 #04）。结果即使在简化配置下也展示了所考虑预处理技术的高效性与实用性。与其他经肺分割的预处理数据集（数据集 #02 和 #03）相比，无骨的预处理数据集（数据集 #02）展现出更优的准确率与损失结果。
引用
@article{arxiv.1712.07632,
title = {Deep Learning with Lung Segmentation and Bone Shadow Exclusion Techniques for Chest X-Ray Analysis of Lung Cancer},
author = {Yu. Gordienko and Peng Gang and Jiang Hui and Wei Zeng and Yu. Kochura and O. Alienin and O. Rokovyi and S. Stirenko},
journal= {arXiv preprint arXiv:1712.07632},
year = {2018}
}
备注
10 pages, 7 figures; The First International Conference on Computer Science, Engineering and Education Applications (ICCSEEA2018) (www.uacnconf.org/iccseea2018) (accepted)