摘要

在本研究中，我们介绍了一种完全自动化的肺部计算机断层扫描（CT）癌症诊断系统——DeepLung。DeepLung由两个组件构成：结节检测（确定候选结节的位置）和分类（将候选结节分为良性或恶性）。考虑到肺部CT数据的三维特性以及双路径网络（DPN）的紧凑性，我们分别设计了两个深度3D DPN用于结节检测和分类。具体而言，为了有效学习结节特征，我们设计了一个包含3D双路径块和类似U-net的编码器-解码器结构的3D Faster R-CNN用于结节检测。对于结节分类，我们提出了一种基于3D双路径网络特征的梯度提升机（GBM）。该结节分类子网络在LIDC-IDRI公开数据集上进行了验证，在该数据集上的表现优于现有最先进方法，并且在图像模态方面超过了有经验医生的表现。在DeepLung系统中，首先通过结节检测子网络识别出候选结节，然后由分类子网络进行结节诊断。大量的实验结果表明，DeepLung在LIDC-IDRI数据集上的结节级和患者级诊断性能均可与有经验医生相媲美。\footnote{https://github.com/uci-cbcl/DeepLung.git}