关键词：深度学习 yolo v2 非对称卷积核 损失函数设计 

摘要：肺癌一直是严重威胁人类健康的疾病之一,肺结节作为早期肺癌的一个重要征象,在肺癌的早期诊断与治疗中具有重要的意义。传统的CT影像肺结节检测方法不仅步骤繁琐、处理速度慢,而且对于结节的检出率及定位精度都亟待提高。提出一种基于非对称卷积核YOLO V2网络的CT影像肺结节检测方法:首先将连续的CT序列叠加构造为伪彩色数据集,以增强病变和健康组织的差异;然后将含有非对称卷积核的inception V3模块引入到YOLO V2网络中,构造出一种适用于肺结节检测的深度网络,一方面利用YOLO V2网络在目标检测上的优势,另一方面通过inception V3模块在网络的宽度与深度上进行扩增,以提取更加丰富的特征;为进一步提高结节的定位精度,对损失函数的设计与计算方法也进行一定的改进。为验证所提检测模型的性能,从LIDC-IDRI数据集中选取1 010个病例的CT图像用于训练和测试,在大于3 mm的肺结节中,检测敏感度为94.25%,假阳性率为8.50%。实验表明,所提出的肺结节检测方法不仅可以简化肺部CT图像的处理过程,而且在结节检测率及定位精度方面均优于传统方法,可为肺结节检测提供一种新思路。

中国生物医学工程学报杂志要求:

{1}正文一级标题为宋体，四号，加粗，居中，段前段后0行，固定值18磅。正文二级标题为宋体，小四，加粗，两端对齐，首行缩进2字符，固定值18磅。正文三级标题按正文内容排版，仅加粗，不单独成行。

{2}应具创新性、科学性、实用性，论点明确，资料可靠，数据准确，层次清楚，文字精练，用字规范。

{3}中文题名一般不超过20个字，必要时可加副题名。

{4}参考文献只列出在正文中被引用的、正式发表的文献，数量应在12条以上，且大多应为５年之内的期刊文献，并中英文对照。

{5}内容摘要：用精炼的语言提炼出文章的核心观点和创新之处，不能写成研究背景介绍。一般不超过400字，用楷体小4号字。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社