基于3D卷积网络的结肠癌CT图像分类研究

作者：吕刚^*; 应明亮

来源：影像科学与光化学, 2022, 40(05): 1024-1028.

• 3D卷积
• 残差学习
• CT图像分类
• 深度学习

结直肠肿瘤是全世界排名前三的肿瘤之一，目前在CT图像中筛查出结肠肿瘤仍需要放射科医生手工完成，这是一项费时费力的重复性劳动，文中研究了用3D卷积网络在腹部CT图像上提取3D特征，判断CT图像中是否有结肠癌病灶的方法。文中采集了一个有348例样本的结肠癌CT图像数据集，设计了3种不同结构的3D卷积网络，对采集的腹部CT图像进行了正常/非正常二分类实验，文中性能最好的模型C是一个带有3个改进的残差模块的3D卷积网络，正常/非正常二分类实验的平均准确率为96.2%,AUC为0.989,分别比基准模型提高了2.2%、2.9%。实验结果表明，3D卷积网络在结肠癌CT的正常/非正常二分类任务上准确率高，泛化能力好，且只需要CT级弱标定数据集，具有潜在的临床应用价值。

• 单位
  金华广播电视大学; 金华市中心医院