基于带孔U-net神经网络的肺癌危及器官并行分割方法

• 作者: 周正东 李剑波 涂佳丽 贾俊山 辛润超 魏士松
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 肺癌放射治疗 深度学习 带孔卷积 图像分割
• 年，卷（期）: 2019,（2）
• 页码范围: 231-236
• 页数: 6页
• 分类号: TP391
• 字数: 4843字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2019.02.005

摘要

为了提高肺癌放疗计划危及器官勾画的精度和效率,提出了一种基于带孔U-net神经网络的肺癌放疗计划危及器官肺及心脏的并行分割方法.首先,构建了肺窗、心脏窗以及纵膈窗下的三通道伪彩色图像数据集,将图像数据集分成训练集、验证集以及测试集;然后,搭建了带孔U-net神经网络,利用训练集和验证集对其进行训练和参数调优;最后,利用测试集对训练后的带孔U-net神经网络进行图像分割性能评价,并与U-net神经网络及3种传统图像分割算法进行比较.实验结果表明,带孔U-net神经网络分割性能最优,可有效地完成肺及心脏的自动并行分割,提高勾画效率,分割结果与人工勾画结果相当.