期刊文献+

基于U-net++卷积神经网络的CT图像肺实质分割方法 被引量:3

下载PDF
导出
摘要 本文介绍了随着人工智能技术的不断发展,计算机辅助诊断在肺癌、肺结节和新型冠状病毒肺炎等肺部疾病诊断领域取得了广泛的应用。为了提高神经网络检测的准确性,需要通过大量肺部CT图像进行训练。因此,获取干扰信息更少、病灶更加明显的肺实质断层图像可以显著提高神经网络的准确率。使用U-net++卷积神经网络对LUNA16肺部CT数据集进行训练,将训练好的模型用于肺实质分割。肺实质分割网络输出平均Dice系数为0.9925,实现了较为精准的肺实质分割。通过U-net++卷积神经网络实现了对肺实质快速、准确的分割,对肺部疾病的计算机辅助诊断的发展具有一定的推动作用。
机构地区 威海市中心医院
出处 《电子技术与软件工程》 2021年第23期114-117,共4页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
  • 相关文献

参考文献9

二级参考文献67

  • 1陈首英,刘福林,庞志刚,周玉娟.肺癌病人5年生存率及生存因素分析[J].预防医学文献信息,2004,10(1):1-3. 被引量:12
  • 2Valenti OE,Erik C,Humberto S. A comparison of nature inspired algorithms for multi-threshold image segmentation[J].{H}Expert systems with application,2013,(4):1213-1219. 被引量:1
  • 3Kang C C,Wang W J,Kang C H. Image segmentation with complicated background by using seeded region growing[J].AEU-Intemational Journal of Electronics and Communications,2012,(9):767-771. 被引量:1
  • 4Hamameh G,Li X. Watershed segmentation using prior shape and appearance knowledge[J].{H}IMAGE AND VISION COMPUTING,2009,(1):59-68. 被引量:1
  • 5Meyer F. The watershed Concept and its use in segmentation:A brief history[Z].arXiv Preprint arXiv:1202.0216,2012. 被引量:1
  • 6Ghassan H,XIAO Xingli. Watershed segmentation using prior shape and appearance knowledge[J].{H}IMAGE AND VISION COMPUTING,2009,(1-2):59-68. 被引量:1
  • 7Alberto B,Ivan D,Silvano A. An automatic method for colon segmentation in CT colonography[J].{H}Computerized Medical Imaging and Graphics,2009,(4):325-331. 被引量:1
  • 8ZHOU Xiangrong,Tatsuro H,Takeshi H. Automatic segmentation and recognition of anatomical lung structures from high-resolution chest CT images[J].{H}Computerized Medical Imaging and Graphics,2006,(5):299-313. 被引量:1
  • 9PU Jiantao,Justus R,Chin AY. Adaptive border marching algorithm:Automatic lung segmentation on chest CT images[J].{H}Computerized Medical Imaging and Graphics,2008,(6):452-462. 被引量:1
  • 10Yeny Y,Helen H,Joon B S. Correction of lung boundary using t he gradient and intensity distribution[J].{H}Computers in Biology and Medicine,2009,(3):239-250. 被引量:1

共引文献112

同被引文献28

引证文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部