基于改進(jìn)YOLO V3的肺結(jié)節(jié)檢測方法

王乾梁，石宏理

1.首都醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院，北京100069；2.首都醫(yī)科大學(xué)臨床生物力學(xué)應(yīng)用基礎(chǔ)研究北京市重點(diǎn)實(shí)驗(yàn)室，北京100069

前言

根據(jù)2019年國家癌癥中心發(fā)布的全國癌癥病情統(tǒng)計數(shù)據(jù)，肺癌的發(fā)病率和死亡率仍位居首位，肺癌及相關(guān)惡性腫瘤的治療花費(fèi)超過2 200 億元，防控形勢十分嚴(yán)峻［1］。早期診斷和早期治療是降低肺癌死亡率的有效途徑。肺結(jié)節(jié)作為早期肺癌的重要病征，準(zhǔn)確檢測肺結(jié)節(jié)具有極其重要的臨床意義。臨床上一般通過觀察肺部CT 圖像進(jìn)行肺結(jié)節(jié)的診斷判別，但隨著醫(yī)療需求的快速增長，CT圖像數(shù)據(jù)量不斷增加，醫(yī)師的診斷難度也不斷提高，憑借主觀經(jīng)驗(yàn)判斷容易出現(xiàn)錯誤診斷。因此在CT 圖像診斷基礎(chǔ)上，利用人工智能技術(shù)輔助醫(yī)生做出更為客觀、準(zhǔn)確的判斷，顯得尤為必要。

傳統(tǒng)的計算機(jī)輔助肺結(jié)節(jié)檢測方法主要使用人工提取的特征進(jìn)行訓(xùn)練，存在步驟繁瑣、檢測精度不高和系統(tǒng)整體性能較差等問題。隨著機(jī)器學(xué)習(xí)領(lǐng)域的快速發(fā)展，以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)方法廣泛應(yīng)用于目標(biāo)檢測領(lǐng)域：一種是基于候選區(qū)域的兩階段檢測算法，如Faster RCNN［2］和Mask RCNN［3］，另一種是基于回歸的一階段檢測算法，如YOLO系列［4-6］和SSD［7］，目前也有研究在嘗試將兩種方法結(jié)合起來使用［8］。其中，YOLO V3 作為YOLO系列的代表算法，在工程應(yīng)用領(lǐng)域使用廣泛，展現(xiàn)出良好的效果。但在應(yīng)用YOLO V3 算法處理肺部CT圖像時，存在目標(biāo)檢測精度不高等問題，難以達(dá)到理想效果。針對以上問題，本研究提出基于改進(jìn)YOLO V3的肺結(jié)節(jié)檢測方法，探究應(yīng)用YOLO V3進(jìn)行肺結(jié)節(jié)檢測的有效性和可行性。……