典型文献
一种基于全卷积神经网络的肺结节测量校准方法研究
文献摘要：
目的:提出一种基于全卷积神经网络的肺结节测量校准方法,以改善肺结节测量过程中由于不同的呼吸屏气造成的测量误差.方法:选择美国国立卫生研究院的CT图像数据集中的263幅胸部图像制作符合全卷积神经网络训练与测试要求的数据集,然后构建用于肺部轮廓勾画的全卷积语义分割网络,再通过对网络的训练实现对肺部轮廓的准确勾画,最后将该网络部署于校准软件中以实现对不同屏气相的肺结节大小的校准.选取25例行PET/CT肿瘤筛查的患者数据,对屏气和自由呼吸2种模式下的胸部扫描图像进行肺结节测量以验证校准效果.结果:全卷积神经网络对肺轮廓分割的分割效果较好,交并比为0.8362,准确率为0.9247,平均边界得分为0.7169.25例患者中有16例2种呼吸模式的测量结果差异较大,其中9例(占比56.25％)通过该校准方法缩小了测量结果差异.结论:该校准方法实现了对肺结节物理尺寸测量结果的校准,能提高对肺结节诊断的准确性和效率.
文献关键词：
肺癌;肺结节;肺结节测量;全卷积神经网络;语义分割
中图分类号：
作者姓名：
杨静;汤福南;张晖
作者机构：
南京医科大学附属儿童医院放射科,南京210008;南京医科大学第一附属医院临床医学工程处,南京210029
文献出处：
引用格式：
[1]杨静;汤福南;张晖-.一种基于全卷积神经网络的肺结节测量校准方法研究)[J].医疗卫生装备,2022(01):17-21,31
A类：
肺结节测量
B类：
全卷积神经网络,测量校准,校准方法,屏气,测量误差,美国国立卫生研究院,图像数据集,神经网络训练,勾画,语义分割网络,网络部署,校准软件,PET,肿瘤筛查,患者数据,自由呼吸,胸部扫描,扫描图像,分割效果,交并比,呼吸模式,该校,节物,尺寸测量
AB值：
0.217239
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
