关键词：3d cnn 肺结节 假阳性筛查 

摘要：从CT影像中检测肺结节在肺癌的早期诊断中至关重要,而肺结节假阳性的筛查是提高肺结节检测准确度的重要一步。为了从大量候选结节中快速准确地区分出真正的肺结节,设计了一个3D卷积神经网络(CNN)筛查肺结节假阳性。提出了网络模型,通过恒等映射和残差单元来加速模型训练,采用单连接路径重复利用特征并重组新特征。基于该模型的肺结节假阳性筛查方法,与基于2D CNN的方法相比,不仅可以省略数据切片步骤,而且能够充分利用CT影像的空间信息;与其他基于3DCNN的方法相比,具有参数量小、模型训练快的优点。该方法在LUNA16数据集中的假阳性筛查中取得了较高的敏感度。

图学学报杂志要求:

{1}请写明作者单位全称、详细地址、邮政编码、联系电话以及电子邮件地址。

{2}稿件内容求真务实，有行之有效的思路、探索、做法、经验，有理论或实践上创新，特色鲜明。

{3}正文中表示标题级别的序号形式，一般从大到小依次为：“一”“（一）”“1”“（1）”“①”等。可以根据标题的实有级别，跳过某些形式的序号。

{4}本刊参考文献采用页下注释体例，参考文献和注释均置于当页地脚（脚注），每页编序码，序号用①②③标示。

{5}摘要应反映论文主要论点及创造性内容，包含目的、方法、结果及结论四要素，以300~400字为宜；关键词5-8个，反映论文实质内容，便于检索。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社