深度学习驱动的CT影像肺结节检测:挑战、进展和展望

基于CT影像进行肺结节自动检测可以显著提高肺癌诊治效果。该文结合CT影像和肺结节的特点,总结了基于各种深度学习模型的CT影像肺结节检测面临的挑战和近期研究进展,重点分析了标志性成果和它们的优缺点。结合当前肺结节检测应用的现状,对未来更好地应用和改进基于深度学习的CT影像肺结节检测技术提出了展望。

基于主动学习的肺结节计算机辅助诊断交互审查技术

基于电子计算机断层扫描(CT)影像的肺结节自动检测可以有效辅助肺癌诊治,但当前缺乏有效的交互工具将放射科医生的判读结果实时记录并反馈,以优化后台算法模型。本文设计并研发了一个支持CT图像肺结节辅助诊断的在线交互审查系统,通过预置模型检测出肺结节展示给医生,医生利用专业知识对检测的肺结节进行标注,然后根据标注结果采用主动学习策略对内置模型进行迭代优化,以持续提高模型的准确性。本文以开源肺结节数据集——肺结节分析2016(LUNA16)的5~9号子集进行迭代实验,随着迭代次数的增加,模型的准确率、调和分数和交并比指标稳定提升,准确率从0.2139提高至0.5656。本文研究结果表明,该系统能在使用深度分割模型辅助医生诊断的同时,最大程度地利用医生的反馈信息来优化模型,迭代提高模型的准确性,从而更好地辅助医生工作。