基于集成学习的PET/CT混合成像肺癌检测

作者：张瑞; 程超; 沈琳琳; 左长京

来源：南昌大学学报(理科版), 2022, 46(06): 666-673.

DOI：10.3969/j.issn.1006-0464.2022.06.013

• 人工智能
• 肺癌
• 集成学习
• 深度学习

提出了一种基于多模态多尺度的Mask R-CNN集成学习模型对PET/CT混合成像进行人工智能肺癌检测.首先,通过5个深度学习模型对肺癌候选区进行提取.5个深度学习模型通过对不同尺度及不同模态训练数据进行Mask R-CNN迁移学习生成.然后利用集成学习方法将5个Mask R-CNN模型进行加权投票,有效减少假阳性数量,最终实现肺癌确诊.实验数据包括69例肺癌患者及11例正常例,训练数据集包括1242个肺癌横断面;验证数据包括270个横断面,其中58个PET肺癌横断面和58个CT肺癌横断面,77个PET正常横断面和77个CT正常横断面.该方法的F-score、Precision和Recall为0.95、0.90和1,与单模型和现有方法相比,本文方法对于PET/CT混合成像的肺癌检测具有更强的有效性,可以为医生提供有意义的辅助诊断信息.

• 单位
  中国人民解放军第二军医大学; 长海医院; 深圳信息职业技术学院