公开(公告)号：CN112329871A

公开(公告)日：2021-02-05

申请号：CN202011253196.7

申请日：2020-11-11

Applicant: 河北工业大学

Inventor： 袁金丽 ,  赵琳琳 ,  郭志涛 ,  苏逸 ,  卢成刚

IPC: G06K9/62 ,  G06T7/00 ,  G06N3/04

Abstract: 本发明公开了一种基于自校正卷积与通道注意力机制的肺结节检测方法，该检测方法建立集成了u‑net型的编码器‑解码器网络的肺结节检测网络，编码器逐渐减少池化层的空间维度，解码器逐步修复物体的细节和空间维度，并在编码器和解码器之间建立跳跃连接，帮助解码器更好地修复目标的细节。损失函数的值由分类损失和回归损失两部分组成，解决了LUNA16数据集正例样本与负例样本的数量比失衡的问题。该检测方法可以对各种不同尺度、不同形态的肺结节均具有良好的识别效果，同时也可以准确识别出各种假阳性结节，提高了对医学图像肺结节的检测精度，可用于计算机辅助诊断系统，解决不同尺度、不同形态的肺结节识别困难的问题。

公开(公告)号：CN112329871B

公开(公告)日：2022-03-08

申请号：CN202011253196.7

申请日：2020-11-11

Applicant: 河北工业大学

Inventor： 袁金丽 ,  赵琳琳 ,  郭志涛 ,  苏逸 ,  卢成刚

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06K9/62 ,  G06T7/00 ,  G06N3/04

Abstract: 本发明公开了一种基于自校正卷积与通道注意力机制的肺结节检测方法，该检测方法建立集成了u‑net型的编码器‑解码器网络的肺结节检测网络，编码器逐渐减少池化层的空间维度，解码器逐步修复物体的细节和空间维度，并在编码器和解码器之间建立跳跃连接，帮助解码器更好地修复目标的细节。损失函数的值由分类损失和回归损失两部分组成，解决了LUNA16数据集正例样本与负例样本的数量比失衡的问题。该检测方法可以对各种不同尺度、不同形态的肺结节均具有良好的识别效果，同时也可以准确识别出各种假阳性结节，提高了对医学图像肺结节的检测精度，可用于计算机辅助诊断系统，解决不同尺度、不同形态的肺结节识别困难的问题。