基于改进VNet的肺结节分割方法研究
目前,肺癌的发病率和致死率高居癌症首位,Xt其进行早期诊治对于提高患者的生存率和改善预后极其重要.肺结节是肺癌的早期表现,临床上医生通过观察对其分割后的体积和形态等特征来进行良恶性诊断,然而采用人工的方式进行肺结节分割非常低效.本文提出了一种基于MSVNet网络的肺结节分割方法,该网络继承了原始VNet的结构,同时引入了多尺度特征结构,通过提取肺结节图像的多尺度特征,同时利用深监督策略进行特征优化,能够有效地提升模型的分割性能.本文利用LIDC-IDRI肺结节公开数据集对模型的性能进行了评估,结果表明,本文方法所取得的分割结果与金标准相近,具有良好的肺结节分割性能,以及较高的分割鲁棒性,对不同大小的肺结节均能取得较好的分割效果.
肺结节分割、深度学习、多尺度特征、深监督
41
TP391.41;TH7(计算技术、计算机技术)
国家自然科学基金31570003
2021-01-27(万方平台首次上网日期,不代表论文的发表时间)
共10页
206-215