CN107590797A - 一种基于三维残差神经网络的ct影像肺结节检测方法 - Google Patents
一种基于三维残差神经网络的ct影像肺结节检测方法 Download PDFInfo
- Publication number
- CN107590797A CN107590797A CN201710616870.5A CN201710616870A CN107590797A CN 107590797 A CN107590797 A CN 107590797A CN 201710616870 A CN201710616870 A CN 201710616870A CN 107590797 A CN107590797 A CN 107590797A
- Authority
- CN
- China
- Prior art keywords
- sample
- images
- model
- dimensional
- volume
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 230000007935 neutral effect Effects 0.000 title claims abstract description 16
- 230000002685 pulmonary effect Effects 0.000 title claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000012360 testing method Methods 0.000 claims abstract description 18
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 11
- 230000008676 import Effects 0.000 claims abstract description 11
- 230000001629 suppression Effects 0.000 claims abstract description 7
- 208000020816 lung neoplasm Diseases 0.000 claims description 27
- 238000010606 normalization Methods 0.000 claims description 17
- 230000004913 activation Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 241000282693 Cercopithecidae Species 0.000 claims description 4
- 238000011017 operating method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 24
- 230000006870 function Effects 0.000 description 12
- 238000009826 distribution Methods 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 4
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 201000005202 lung cancer Diseases 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 206010056342 Pulmonary mass Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 230000001464 adherent effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011275 oncology therapy Methods 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
Claims (4)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710616870.5A CN107590797B (zh) | 2017-07-26 | 2017-07-26 | 一种基于三维残差神经网络的ct影像肺结节检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710616870.5A CN107590797B (zh) | 2017-07-26 | 2017-07-26 | 一种基于三维残差神经网络的ct影像肺结节检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107590797A true CN107590797A (zh) | 2018-01-16 |
CN107590797B CN107590797B (zh) | 2020-10-30 |
Family
ID=61041863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710616870.5A Active CN107590797B (zh) | 2017-07-26 | 2017-07-26 | 一种基于三维残差神经网络的ct影像肺结节检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107590797B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257128A (zh) * | 2018-01-30 | 2018-07-06 | 浙江大学 | 一种基于3d卷积神经网络的肺结节检测装置的建立方法 |
CN108346154A (zh) * | 2018-01-30 | 2018-07-31 | 浙江大学 | 基于Mask-RCNN神经网络的肺结节分割装置的建立方法 |
CN108389201A (zh) * | 2018-03-16 | 2018-08-10 | 北京推想科技有限公司 | 基于3d卷积神经网络与深度学习的肺结节良恶性分类方法 |
CN108416379A (zh) * | 2018-03-01 | 2018-08-17 | 北京羽医甘蓝信息技术有限公司 | 用于处理宫颈细胞图像的方法和装置 |
CN108428229A (zh) * | 2018-03-14 | 2018-08-21 | 大连理工大学 | 一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法 |
CN108537784A (zh) * | 2018-03-30 | 2018-09-14 | 四川元匠科技有限公司 | 一种基于深度学习的ct图肺结节检测方法 |
CN108564553A (zh) * | 2018-05-07 | 2018-09-21 | 南方医科大学 | 基于卷积神经网络的低剂量ct图像噪声抑制方法 |
CN108648179A (zh) * | 2018-04-17 | 2018-10-12 | 杭州依图医疗技术有限公司 | 一种分析肺结节的方法及装置 |
CN108734138A (zh) * | 2018-05-24 | 2018-11-02 | 浙江工业大学 | 一种基于集成学习的黑色素瘤皮肤病图像分类方法 |
CN108766555A (zh) * | 2018-04-08 | 2018-11-06 | 深圳大学 | 胰腺神经内分泌肿瘤恶性程度的计算机诊断方法及系统 |
CN108765369A (zh) * | 2018-04-20 | 2018-11-06 | 平安科技(深圳)有限公司 | 肺结节的检测方法、装置、计算机设备和存储介质 |
CN109003260A (zh) * | 2018-06-28 | 2018-12-14 | 深圳视见医疗科技有限公司 | Ct图像肺结节检测方法、装置、设备及可读存储介质 |
CN109102502A (zh) * | 2018-08-03 | 2018-12-28 | 西北工业大学 | 基于三维卷积神经网络的肺结节检测方法 |
CN109146857A (zh) * | 2018-08-02 | 2019-01-04 | 常州市第二人民医院 | 胸部ct影像的肺结节自检测方法 |
CN109242839A (zh) * | 2018-08-29 | 2019-01-18 | 上海市肺科医院 | 一种基于新型神经网络模型的ct影像肺结节良恶性分类方法 |
CN109559297A (zh) * | 2018-11-15 | 2019-04-02 | 大连大学 | 一种基于三维区域生成网络的肺结节检测的方法 |
CN110327033A (zh) * | 2019-04-04 | 2019-10-15 | 浙江工业大学 | 一种基于深度神经网络的心肌梗死心电图的筛查方法 |
CN110443268A (zh) * | 2019-05-30 | 2019-11-12 | 杭州电子科技大学 | 一种基于深度学习的肝癌ct图像良性恶性分类方法 |
CN110599465A (zh) * | 2019-08-28 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 图像定位方法、装置、计算机设备和存储介质 |
CN110807754A (zh) * | 2018-08-01 | 2020-02-18 | 华中科技大学 | 基于深度语义分割的真菌显微图像分割检测方法及系统 |
CN111754472A (zh) * | 2020-06-15 | 2020-10-09 | 南京冠纬健康科技有限公司 | 一种肺结节检测方法与检测系统 |
CN111768845A (zh) * | 2020-06-30 | 2020-10-13 | 重庆大学 | 一种基于最优多尺度感知的肺结节辅助检测方法 |
CN112085687A (zh) * | 2020-09-10 | 2020-12-15 | 浙江大学 | 一种基于细节增强的t1到stir影像转换的方法 |
CN112990367A (zh) * | 2021-04-25 | 2021-06-18 | 杭州晟视科技有限公司 | 一种图像处理方法、装置、设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004074982A2 (en) * | 2003-02-14 | 2004-09-02 | The University Of Chicago | Method of training massive training artificial neural networks (mtann) for the detection of abnormalities in medical images |
CN1838130A (zh) * | 2004-10-08 | 2006-09-27 | 通用电气公司 | Cad系统中检查解剖学形状的方法和系统 |
CN102324109A (zh) * | 2011-09-26 | 2012-01-18 | 上海理工大学 | 基于模糊隶属度模型的非实质性肺结节三维分割方法 |
CN103824295A (zh) * | 2014-03-03 | 2014-05-28 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
CN106296653A (zh) * | 2016-07-25 | 2017-01-04 | 浙江大学 | 基于半监督学习的脑部ct图像出血区域分割方法及系统 |
CN106504232A (zh) * | 2016-10-14 | 2017-03-15 | 北京网医智捷科技有限公司 | 一种基于3d卷积神经网络的肺部结节自动检测方法 |
US20170142394A1 (en) * | 2015-11-13 | 2017-05-18 | Craig Peterson | 3d system including a neural network |
CN106780460A (zh) * | 2016-12-13 | 2017-05-31 | 杭州健培科技有限公司 | 一种用于胸部ct影像的肺结节自动检测系统 |
-
2017
- 2017-07-26 CN CN201710616870.5A patent/CN107590797B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004074982A2 (en) * | 2003-02-14 | 2004-09-02 | The University Of Chicago | Method of training massive training artificial neural networks (mtann) for the detection of abnormalities in medical images |
CN1838130A (zh) * | 2004-10-08 | 2006-09-27 | 通用电气公司 | Cad系统中检查解剖学形状的方法和系统 |
CN102324109A (zh) * | 2011-09-26 | 2012-01-18 | 上海理工大学 | 基于模糊隶属度模型的非实质性肺结节三维分割方法 |
CN102324109B (zh) * | 2011-09-26 | 2014-06-18 | 上海理工大学 | 基于模糊隶属度模型的非实质性肺结节三维分割方法 |
CN103824295A (zh) * | 2014-03-03 | 2014-05-28 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
US20170142394A1 (en) * | 2015-11-13 | 2017-05-18 | Craig Peterson | 3d system including a neural network |
CN106296653A (zh) * | 2016-07-25 | 2017-01-04 | 浙江大学 | 基于半监督学习的脑部ct图像出血区域分割方法及系统 |
CN106504232A (zh) * | 2016-10-14 | 2017-03-15 | 北京网医智捷科技有限公司 | 一种基于3d卷积神经网络的肺部结节自动检测方法 |
CN106780460A (zh) * | 2016-12-13 | 2017-05-31 | 杭州健培科技有限公司 | 一种用于胸部ct影像的肺结节自动检测系统 |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257128A (zh) * | 2018-01-30 | 2018-07-06 | 浙江大学 | 一种基于3d卷积神经网络的肺结节检测装置的建立方法 |
CN108346154A (zh) * | 2018-01-30 | 2018-07-31 | 浙江大学 | 基于Mask-RCNN神经网络的肺结节分割装置的建立方法 |
CN108346154B (zh) * | 2018-01-30 | 2021-09-07 | 浙江大学 | 基于Mask-RCNN神经网络的肺结节分割装置的建立方法 |
CN108257128B (zh) * | 2018-01-30 | 2020-09-18 | 浙江大学 | 一种基于3d卷积神经网络的肺结节检测装置的建立方法 |
CN108416379A (zh) * | 2018-03-01 | 2018-08-17 | 北京羽医甘蓝信息技术有限公司 | 用于处理宫颈细胞图像的方法和装置 |
CN108428229A (zh) * | 2018-03-14 | 2018-08-21 | 大连理工大学 | 一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法 |
CN108428229B (zh) * | 2018-03-14 | 2020-06-16 | 大连理工大学 | 一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法 |
CN108389201A (zh) * | 2018-03-16 | 2018-08-10 | 北京推想科技有限公司 | 基于3d卷积神经网络与深度学习的肺结节良恶性分类方法 |
CN108389201B (zh) * | 2018-03-16 | 2020-06-30 | 北京推想科技有限公司 | 基于3d卷积神经网络与深度学习的肺结节良恶性分类方法 |
CN108537784A (zh) * | 2018-03-30 | 2018-09-14 | 四川元匠科技有限公司 | 一种基于深度学习的ct图肺结节检测方法 |
CN108537784B (zh) * | 2018-03-30 | 2021-08-24 | 四川元匠科技有限公司 | 一种基于深度学习的ct图肺结节检测方法 |
CN108766555A (zh) * | 2018-04-08 | 2018-11-06 | 深圳大学 | 胰腺神经内分泌肿瘤恶性程度的计算机诊断方法及系统 |
CN108648179A (zh) * | 2018-04-17 | 2018-10-12 | 杭州依图医疗技术有限公司 | 一种分析肺结节的方法及装置 |
CN108765369A (zh) * | 2018-04-20 | 2018-11-06 | 平安科技(深圳)有限公司 | 肺结节的检测方法、装置、计算机设备和存储介质 |
CN108564553A (zh) * | 2018-05-07 | 2018-09-21 | 南方医科大学 | 基于卷积神经网络的低剂量ct图像噪声抑制方法 |
CN108734138A (zh) * | 2018-05-24 | 2018-11-02 | 浙江工业大学 | 一种基于集成学习的黑色素瘤皮肤病图像分类方法 |
US10909682B2 (en) | 2018-06-28 | 2021-02-02 | Shenzhen Imsight Medical Technology Co. Ltd. | Method and device for detecting pulmonary nodule in computed tomography image, and computer-readable storage medium |
CN109003260A (zh) * | 2018-06-28 | 2018-12-14 | 深圳视见医疗科技有限公司 | Ct图像肺结节检测方法、装置、设备及可读存储介质 |
CN110807754B (zh) * | 2018-08-01 | 2022-05-31 | 华中科技大学 | 基于深度语义分割的真菌显微图像分割检测方法及系统 |
CN110807754A (zh) * | 2018-08-01 | 2020-02-18 | 华中科技大学 | 基于深度语义分割的真菌显微图像分割检测方法及系统 |
CN109146857A (zh) * | 2018-08-02 | 2019-01-04 | 常州市第二人民医院 | 胸部ct影像的肺结节自检测方法 |
CN109102502B (zh) * | 2018-08-03 | 2021-07-23 | 西北工业大学 | 基于三维卷积神经网络的肺结节检测方法 |
CN109102502A (zh) * | 2018-08-03 | 2018-12-28 | 西北工业大学 | 基于三维卷积神经网络的肺结节检测方法 |
CN109242839B (zh) * | 2018-08-29 | 2022-04-22 | 上海市肺科医院 | 一种基于新型神经网络模型的ct影像肺结节良恶性分类方法 |
CN109242839A (zh) * | 2018-08-29 | 2019-01-18 | 上海市肺科医院 | 一种基于新型神经网络模型的ct影像肺结节良恶性分类方法 |
CN109559297A (zh) * | 2018-11-15 | 2019-04-02 | 大连大学 | 一种基于三维区域生成网络的肺结节检测的方法 |
CN110327033B (zh) * | 2019-04-04 | 2022-05-03 | 浙江工业大学 | 一种基于深度神经网络的心肌梗死心电图的筛查方法 |
CN110327033A (zh) * | 2019-04-04 | 2019-10-15 | 浙江工业大学 | 一种基于深度神经网络的心肌梗死心电图的筛查方法 |
CN110443268A (zh) * | 2019-05-30 | 2019-11-12 | 杭州电子科技大学 | 一种基于深度学习的肝癌ct图像良性恶性分类方法 |
CN110443268B (zh) * | 2019-05-30 | 2022-02-08 | 杭州电子科技大学 | 一种基于深度学习的肝部ct图像良性恶性分类方法 |
CN110599465A (zh) * | 2019-08-28 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 图像定位方法、装置、计算机设备和存储介质 |
CN111754472A (zh) * | 2020-06-15 | 2020-10-09 | 南京冠纬健康科技有限公司 | 一种肺结节检测方法与检测系统 |
CN111768845A (zh) * | 2020-06-30 | 2020-10-13 | 重庆大学 | 一种基于最优多尺度感知的肺结节辅助检测方法 |
CN111768845B (zh) * | 2020-06-30 | 2023-08-11 | 重庆大学 | 一种基于最优多尺度感知的肺结节辅助检测方法 |
CN112085687A (zh) * | 2020-09-10 | 2020-12-15 | 浙江大学 | 一种基于细节增强的t1到stir影像转换的方法 |
CN112085687B (zh) * | 2020-09-10 | 2023-12-01 | 浙江大学 | 一种基于细节增强的t1到stir影像转换的方法 |
CN112990367A (zh) * | 2021-04-25 | 2021-06-18 | 杭州晟视科技有限公司 | 一种图像处理方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107590797B (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590797A (zh) | 一种基于三维残差神经网络的ct影像肺结节检测方法 | |
CN106056595B (zh) | 基于深度卷积神经网络自动识别甲状腺结节良恶性的辅助诊断系统 | |
CN108257135A (zh) | 基于深度学习方法解读医学图像特征的辅助诊断系统 | |
CN110766051A (zh) | 一种基于神经网络的肺结节形态学分类方法 | |
CN108537793A (zh) | 一种基于改进的u-net网络的肺结节检测方法 | |
CN112258530A (zh) | 基于神经网络的计算机辅助肺结节自动分割方法 | |
CN107909566A (zh) | 一种基于深度学习的皮肤癌黑色素瘤的图像识别方法 | |
CN101515365B (zh) | 一种ct影像中的粘连血管型肺结节自动分割方法 | |
CN108615237A (zh) | 一种肺部图像处理方法及图像处理设备 | |
CN109242839A (zh) | 一种基于新型神经网络模型的ct影像肺结节良恶性分类方法 | |
CN108805209A (zh) | 一种基于深度学习的肺结节筛查方法 | |
CN108334899A (zh) | 基于手骨x光片骨骼和关节量化信息集成的骨龄评估方法 | |
CN107274399A (zh) | 一种基于Hession矩阵和三维形状指数的肺结节分割方法 | |
CN107492095A (zh) | 基于深度学习的医学图像肺结节检测方法 | |
CN108305249A (zh) | 基于深度学习的全尺度病理切片的快速诊断和评分方法 | |
CN108765430A (zh) | 一种基于心脏ct图像和机器学习的心脏左腔区域分割方法 | |
CN108549912A (zh) | 一种基于机器学习的医学图像肺结节检测方法 | |
CN108010013A (zh) | 一种肺ct图像肺结节检测方法 | |
CN115496771A (zh) | 一种基于脑部三维mri图像设计的脑肿瘤分割方法 | |
CN112329871B (zh) | 一种基于自校正卷积与通道注意力机制的肺结节检测方法 | |
CN107871316A (zh) | 一种基于深度神经网络的x光片手骨兴趣区域自动提取方法 | |
CN109902682A (zh) | 一种基于残差卷积神经网络的乳腺x线图像检测方法 | |
CN109461163A (zh) | 一种用于磁共振标准水模的边缘检测提取算法 | |
CN112085113A (zh) | 一种重症肿瘤影像识别系统及方法 | |
CN114648663A (zh) | 基于深度学习的肺癌ct图像亚型分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210129 Address after: Room 1204, Hailiang building, 1508 Binsheng Road, Xixing street, Binjiang District, Hangzhou, Zhejiang 310000 Patentee after: ZHEJIANG FEITU IMAGING TECHNOLOGY Co.,Ltd. Address before: 310014 science and technology office, Zhejiang University of Technology, No. 18 Chao Wang Road, Xiacheng District, Hangzhou, Zhejiang Patentee before: ZHEJIANG University OF TECHNOLOGY |
|
TR01 | Transfer of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method for Detecting Pulmonary Nodules in CT Images Based on 3D Residual Neural Networks Effective date of registration: 20231012 Granted publication date: 20201030 Pledgee: Zhejiang Juzhou Commercial Bank Co.,Ltd. Hangzhou Branch Pledgor: ZHEJIANG FEITU IMAGING TECHNOLOGY Co.,Ltd. Registration number: Y2023980060761 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |