使用三维神经网络对肺结节进行诊断分类
计算机视觉与模式识别
2018-06-19 v1 机器学习
机器学习
摘要
肺癌是全球癌症相关死亡的首要原因。在胸部计算机断层扫描(CT)中早期诊断肺结节，为制定有效治疗及财务与护理计划提供了机会。本文中，我们考虑CT图像中良恶性肺结节的诊断分类问题，旨在学习从三维图像到类标签的直接映射。为实现此目标，提出了四种双通路卷积神经网络(CNN)，包括基础三维CNN、新颖多输出网络、三维DenseNet及带多输出的增强三维DenseNet。这四个网络在公开LIDC-IDRI数据集上评估，优于多数现有方法。特别地，三维多输出DenseNet(MoDenseNet)在端到端肺结节诊断任务上取得了最先进的分类精度。此外，在LIDC-IDRI上预训练的网路可借助迁移学习进一步扩展以处理更小数据集。这在我们自己的数据集上得到演示，在肺结节分类中取得了令人鼓舞的预测精度。
引用
@article{arxiv.1803.07192,
title = {Diagnostic Classification Of Lung Nodules Using 3D Neural Networks},
author = {Raunak Dey and Zhongjie Lu and Yi Hong},
journal= {arXiv preprint arXiv:1803.07192},
year = {2018}
}
备注
Accepted for publication in IEEE International Symposium on Biomedical Imaging (ISBI) 2018 Copyright c 2018 IEEE