肺部CT图像多病种自动检测及分类

针对医学影像预处理复杂、病灶位置分散检测困难、医院等实际应用场景的设备条件难以满足庞大影像数据量对设备的高性能要求等难点,本文采用卷积神经网络的方法训练双阶段模型,对肺结节、索条和动脉硬化钙化3种病灶进行检测,第一阶段目标是检测查全率,第二阶段目标是检测查准率。实验结果表明本文方法在设备有限时,检测时间约为DeepLung等3D模型的10%,检测准确性比YOLOv3等2D模型要高,在实际应用场景中具有较高的实用性。