肺结节目标检测_基于改进Faster R-CNN的肺结节检测

基于改进

Faster R-CNN

的肺结节检测

肺癌在我国乃至全球范围内

,

都是发病率及死亡率最高的恶性肿瘤。其早期

的表现形式是直径不超过

30mm

的肺内圆形或不规则形结节。

肺癌的早期诊断与治疗是降低其死亡率的最有效的手段。

肺结节检测主要通

过

CT

检查来实现

,

研究表明

,

低剂量

CT

检查可以有效降低肺癌患者的死亡率。

因此

,

低剂量

CT

逐渐成为当前主流的肺结节检查工具。

深度学习在医学图像

领域非常流行

,Faster R-CNN

是基于深度学习的一种目标检测算法。

鉴于此

,

本文在低剂量二维

CT

胸部图像下研究基于改进

Faster R-CNN

的肺

结节检测算法。本文的主要工作如下

:

(

1

)基于改进

Faster R-CNN

的肺结节检

测为了快速发现数百幅的二维

CT

胸部图像中肺结节的准确位置

,

提出一种基于

改进

Faster R-CNN

的肺结节检测方法。

首先

,

采用数据增强技术

,

扩大数据集

,

再手工标注数据集。

<