前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >CT图像肺结节识别算法调研 — CNN篇深度学习方法

CT图像肺结节识别算法调研 — CNN篇深度学习方法

作者头像
zhwhong
发布2018-05-16 17:23:27
1.7K0
发布2018-05-16 17:23:27
举报
文章被收录于专栏:技术随笔

深度学习方法


  • 单图识别

方法简介

类同于MINST图像的识别,将CT图像分解为64x64大小的图像,根据医生标注,若图像块中包含结节的中心点(centroid),则认为有结节,否则就没有。

Model

单图识别

  • Input layer:

64x64 images 标准化,取值范围0~1。原始图像的范围为 -1024 ~ 3072(有超出部分则取值为3072)

  • Layer 1:5x5 convolutional:

2x2 max pooling 24 feature map

  • Layer 2:3x3 convolutional:

2x2 max pooling 32 feature map

  • Layer 3:3x3 convolutional:

2x2 max pooling 48 feature map

  • Output layer, full connected:

16 neurons input 2 neurons output

  • 多图识别

方法简介

对于肺结节的识别来说,结节在单张CT图像中是一个圆形,而真实世界中,结节可以认为是三维立体的类球体,所以如果可以用三维图形来识别,应该会提高识别的准确率。

Model

多图识别

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016.12.30 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 深度学习方法
    • 方法简介
      • Model
        • 方法简介
          • Model
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档