DenseNet-centercrop:一个用于肺结节分类的卷积网络

作者：刘一璟; 张旭斌; 张建伟; 周哲磊; 冯元力; 陈为^*

来源：浙江大学学报(理学版), 2020, 47(01): 20-26.

DOI：10.3785/j.issn.1008-9497.2020.01.003

• 肺结节分类
• 电子计算机断层扫描图像
• 稠密连接卷积网络

为解决由肺部CT图像对肺结节进行良恶性分类的问题,提出了一个新颖的端到端深度学习网络DenseNet-centercrop。通过在原有的DenseNet结构中的稠密块间增加新的分支,引入了中心剪裁操作。该网络结构具有2个优势:(1)不仅最大程度保留了DenseNet的结构,而且将其稠密连接机制扩展到了稠密块水平,大大丰富了肺结节的多尺度特征。(2)参数量较少,是一种轻量化的网络结构。将基于该网络的肺结节良恶性分类方法在LIDC-IDRI数据集上进行评估,实验结果表明,DenseNet-centercrop极大地提高了DenseNet的性能,较现有的其他肺结节良恶性分类方法具有更高的AUC分值和分类精度。

• 单位
  浙江大学; 浙江大学附属第一医院