卷积神经网络在医疗影像数据分析中的优化与应用

薛 骏峰
长春电子科技学院

摘要

本研究的目的是通过优化卷积神经网络的架构和损失函数，以提升其在医疗影像数据分析方面的表现。方法：选
择 LIDC-IDRI 与 BraTS 这 2 个公开数据集在肺结节检测与脑瘤分割的任务上进行实验。引入 ResNet 这样的深度网络结构
与 Dice Loss,Focal Loss 这样的损失函数相结合对模型进行优化，同时利用交叉验证与早停策略增强模型的泛化能力。结果：
经过优化的模型在 LIDC-IDRI 数据集上的准确性已经增加到 95.2%，而其敏感性和 Dice 系数分别达到了 93.5% 和 0.894；
在 BraTS 数据集上，我们成功地将准确率提高到了 94.1%，同时 Dice 系数也达到了 0.885。结论：优化 CNN 模型显著提高
病变区域检测与分割的准确性，显示出应用于医疗影像数据分析的潜能。

关键词

卷积神经网络；医疗影像分析；深度学习；肺结节检测

参考

[1] 李俊晖 . 医疗影像分割卷积神经网络的多目标进化

架构搜索 [D]. 华南理工大学 ,2021.

[2] 张琦 . 基于卷积神经网络的医疗影像识别算法研究

[D]. 河北经贸大学 ,2021.