基于3D ResUnet网络的肺结节分割

• 作者: 张倩雯 秦玉芳 陈希 陈明
• 来源期刊: 中国医学物理学杂志
• 关键词: 肺结节 分割 深度残差结构 召回率 ResUnet
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 医学人工智能
• 页码范围: 1356-1361
• 页数: 6页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.11.021

摘要

目的:将深度残差结构和U-Net网络结合形成新的网络ResUnet,并利用ResUnet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域.方法:使用的CT影像数据来源于LUNA16数据集,首先对CT图像预处理提取出肺实质,然后对其截取立体图像块并进行数据增强来扩充样本数,形成相应的肺结节掩膜图像,最后将生成的样本输入到ResUnet模型中进行训练.结果:本研究模型最终的精度和召回率分别为35.02％和97.68％.结论:该模型能自动学习肺结节特征,为后续的肺癌自动诊断提供可靠基础,减少临床诊断的成本并节省医生诊断的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈明	上海海洋大学信息学院	58	263	8.0	13.0
5	秦玉芳	上海海洋大学信息学院	9	12	3.0	3.0
7	张倩雯	上海海洋大学信息学院	1	0	0.0	0.0
10	陈希	上海海洋大学信息学院	2	0	0.0	0.0