技术特征：
技术总结
本发明公开了一种基于3D CNN (Convolutional Neural Networks,卷积神经网络)的肺结节假阳性样本抑制方法，包括如下步骤：1) 对肺部CT通过插值进行3D重建；2) 根据待抑制的样本坐标，从重建数据中切出固定大小的立方块，将其归一化，并对阳性样本进行扩充，将阴阳性样本一起作为3D CNN的训练数据；3) 使用训练样本训练3D CNN模型；4) 训练模型时对标准的损失函数进行加权修正，对阴阳性样本分别赋予不同权值。循环迭代训练网络，最终得到3D CNN模型。本发明提供的基于3D CNN训练模型的方法，一方面有效利用肺部CT数据的三维特征，能够最大程度上反映样本信息；另一方面通过对模型训练时的损失函数进行加权，完美解决了真假样本不均衡的问题，因而能够训练出肺结节识别效果很好的模型。
技术研发人员：孔海洋;程国华;季红丽
受保护的技术使用者：杭州健培科技有限公司
技术研发日：2017.06.05
技术公布日：2017.09.12