AI肺结节筛查技术解析
17.4 AI肺结节检测
肺癌早期筛查是人工智能在医学影像领域最成功的案例之一。从LUNA16竞赛到实际临床应用，肺结节识别技术实现了从“发现结节”到“判断良恶性”的飞跃。然而，假阳性问题至今仍是主要难题。
一、核心数据集
| 数据集 | 样本量 | 标注类型 | 特点 |
|--------|-------|---------|------|
| LUNA16 | 888例CT | 结节轮廓 | 肺结节检测基准，子集重标 |
| LNDb | 294例CT | 结节+Lung-RADS | 含临床评分，更贴近实际 |
| NLST | 53000+例 | 随访确诊 | 大规模筛查数据 |
| LIDC-IDRI | 1018例 | 4医师标注 | 含标注者差异信息 |
| DeepLesion | 32735病灶 | 多类型 | 通用病灶检测 |
二、检测流程与假阳性削减
典型的肺结节检测流程包含候选生成和假阳性削减两个阶段：
| 阶段 | 方法 | 输出 | 典型敏感率 |
|------|------|------|-----------|
| 候选生成 | 3D U-Net/Faster R-CNN | 候选结节位置 | >95%但FP多 |
| 假阳性削减 | 3D CNN分类器 | 结节/非结节 | FP降至1-4/scan |
| 假阳性