期刊简介
本刊是由中国科学院主管，经国家科委、新闻出版署审核批准的理、工、医相结合的国家级学术刊物，杂志创刊于1985年，现为月刊(内文160页，约35万字)。杂志主要刊出放射学(包括CT、MRI、普通X线)、超声医学、介入治疗学、影像技术学、超声工程学、电子内镜学、核医学等学科的最新研究成果。本刊主要特点是：①综合影像；②信息量大；③理、工、医相结合；④传播及时。该刊是基础科研人员和临床医务人员学术交流的园地，是广大医生晋升中高级职称的重要依据，也是中国科学院唯一的医学工程技术与临床相结合的刊物。
往期目录
-
1998
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>中国医学影像技术杂志
- 杂志名称：中国医学影像技术杂志
- 主管单位：中国科学院
- 主办单位：中国科学院声学研究所
- 国际刊号：1003-3289
- 国内刊号：11-1881/R
- 出版周期：月刊
期刊荣誉：《CAJ-CD》规范执行优秀奖期刊期刊收录：JST 日本科学技术振兴机构数据库(日), 上海图书馆馆藏, 国家图书馆馆藏, CSCD 中国科学引文数据库来源期刊(含扩展版), 医学文摘, 哥白尼索引(波兰), 文摘与引文数据库, SA 科学文摘(英), 北大核心期刊(中国人文社会科学核心期刊), 万方收录(中), 文摘杂志, 知网收录(中), 统计源核心期刊(中国科技论文核心期刊), 维普收录(中)
基于卷积神经网络检测肺结节
侍新；谢世朋；李海波
关键词：体层摄影术, X线计算机, 图像分割, 特征提取, 卷积神经网络, 位置敏感特征图, 肺结节
摘要：目的 针对目前基于胸部CT图像的肺结节自动检测方法的检出率较低且存在大量假阳性的问题,提出一种基于卷积神经网络的肺结节检测方法.方法 采用基于模糊建模思想和迭代相对模糊连接度(IRFC)算法的自动解剖识别(AAR)方法分割肺部CT图像,提取肺部实体部分;将分割后的图像输入卷积神经网络,提取肺结节特征;采用位置敏感特征图表达结节的位置信息.结果 使用天池医疗AI大赛数据集,精准分割肺部CT图像,检测肺结节的准确率、敏感度、特异度和假阳性率分别为95.60％、95.24％、95.97％和4.03％.结论 基于卷积神经网络检测肺结节有较高的精度和效率,且鲁棒性好.
友情链接