改进的卷积神经网络在肺部图像上的分割应用

摘要：

CT成像技术是辅助医生诊断肺部疾病的重要手段.针对肺部各组织结构复杂,难以准确地对肺部CT图像中肺实质进行分割和提取的问题,提出了一种编/解码模式的肺分割算法.为了获得图像的多尺度信息,首先向网络模型中输入多尺度图像,使用残差网络结构作为编码模块,在扩展网络深度的同时不造成网络退化问题;此外,在编码和解码之间利用空洞空间金字塔池化(ASPP)充分提取上文多尺度信息;最后利用级联操作,将捕捉到的信息与编码层信息级联,结合注意力机制从而提高分割精度.通过对LUNA16数据集中89位患者的13465张CT图像进行测试,以相似性系数和精确度作为主要评判标准,实验精度分别达到了99.56％和99.33％.实验结果表明,该方法能有效分割出肺实质区域,与其他网络相比分割效果更好.

关键词：CT图像、肺实质、医学图像分割、深度学习

所属期刊栏目：14

分类号：TP391.41(计算技术、计算机技术)

资助基金：The Natural Science Foundation of Jiangsu Province for Excellent Young Scholars under Grant No. BK20190079 江苏省自然科学基金优秀青年基金;the National Natural Science Foundation of China under Grant No. 61673193 国家自然科学基金;the Natural Science Foundation of Jiangsu Province under Grant No. BK20181341 江苏省自然科学基金;the Postdoctoral Science Foundation of China under Grant No. 2017M621625 中国博士后科学基金

在线出版日期：2020-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1358-1367