pulmonary nodule detection | BriefGPT

关键词pulmonary nodule detection

搜索结果 - 8

计算机深度学习模型在肺结节诊断中的应用
利用重建方法建立了肺部的 3D 仿真模型，构建了计算机辅助肺结节检测模型，并基于神经网络对图像进行迭代处理以优化肺结节识别模型。该模型与 3D 虚拟建模技术结合，提高了系统的交互性，以实现肺结节的智能识别。利用 LUNA16 大样本数据库作
PDF21 days ago
无源数据的跨领域肺结节无监督检测
提出一种无源无监督学习的交叉域肺结节检测方法 (SUP)，利用实例级对比学习实现源领域的自适应，然后采用师生交互方式训练适应模型，进一步利用加权熵损失函数提高精度。在三个常用肺结节数据集上的实验表明，该方法具有良好的性能。
PDFa year ago
NoduleNet：肺结节检测与分割的分离式假阳性减少
该研究提出一种新的端到端三维深度卷积神经网络，名为 NoduleNet，用于联合解决肺结节检测、假阳性降低和结节分割三个任务，采用多任务学习方式，证明这种方法可显著提高肺结节检测精度，并获得 LIDC 数据集的良好表现。
PDF5 years ago
基于最大强度投影的卷积神经网络在 CT 扫描中的肺结节自动检测
利用最大强度投影图像（MIP）改进基于卷积神经网络的自动肺结节检测，可获得更高的敏感性和更少的假阳性。
PDF5 years ago
一种集成肺结节检测和假阳性减少的端到端框架
本研究提出一种将肺结节候选筛选和假阳性降低整合成一个模型的端到端框架，与现有的两步法相比，该框架不仅提高了性能，还减少了复杂性，降低了推理时间。
PDF5 years ago
DeepEM: 基于 EM 的深度三维卷积神经网络用于弱监督的肺结节检测
提出利用电子病历中的不完整信息进行肺部结节检测的弱监督学习方法 DeepEM，实验结果在两个数据集上取得 1.5％和 3.9％的平均自由响应接收者操作特性（FROC）分数提高，证明了这种方法对于提高深度学习算法的效用。
PDF6 years ago
用于肺结节检测的三维 G-CNNs
使用 3D roto-translation group convolutions （G-Convs）能够有效地降低 Convolutional Neural Networks 的样本复杂度，从而更好实现肺结节检测中假阳性的过滤，从而达到了
PDF6 years ago
利用深度卷积神经网络在计算机断层扫描图像中准确检测肺结节
本研究提出了一种基于卷积神经网络的肺结节检测方法，首先使用卷积神经网络进行候选检测，随后使用三维卷积神经网络进行假阳性减少。实验结果表明，该方法在肺结节检测方面表现卓越，并在 LUng Nodule Analysis 2016（LUNA16
PDF7 years ago