三维卷积神经网络 LUNA16结节检测

之前一直用二维卷积神经神经网络来识别肺部结节，由于没有利用到空间信息等问题，识别率可能会有瓶颈，此外也多是用别人的代码跑这个数据，想多自己实现一些网络，开始了三维卷积神经网络的学习。先看了慕课上曹健老师的课程，对神经网络构造训练的八股有所了解后，开始仿照着运用三维卷积来检测肺结节。（之前不知道为啥所有教程都会先交MNIST分类，这个分类对我进行目标检测有啥用，后来突然想通了，我可以对每个滑动窗口的图像进行分类检测，检测到了就记录下滑窗所在的位置就可以实现目标检测）。实验大概包含四个过程：

1、数据准备

提取LUNA16标注数据中的肺部结节，构造结节与非结节的二分类。这里按照结节位置与半径构造正样本，在结节坐标前与结节坐标后各提取5个负样本。以npy格式存储正样本在positive文件夹下，负样本在negative文件夹下。

2、训练样本准备

根据positive与negative文件夹下的样本提取npy文件，将每个样本resize为（16，22，22），若是positive下的文件则标注信息为[1,0],否则为[0,1]。每一个npy文件会生成一个[npy，label]的列表，最后将他们append在一起，保存为much-data.npy文件。

3、网络训练

网络的构造参考kaggle大赛中的3D CNN网络（https://www.kaggle.com/sentdex/first-pass-through-data-w-3d-convnet）。修改了了网络输入的网络参数。

4、网络测试

读取一个完整的mhd文件，滑动三维窗口，对每个3D文件进行分类器检测。

 

问题：

分类器输入我设置的是（16，22，22），一些大体积结节估计无法识别。

参考：

https://www.icourse163.org/learn/PKU-1002536002?tid=1206591210#/learn/content?type=detail&id=1211315407

https://www.kaggle.com/sentdex/first-pass-through-data-w-3d-convnet

http://shartoo.github.io/medical_image_process/

https://blog.csdn.net/lxq1997/article/details/83349676