基于3D全卷积神经网络的肺叶自动分割方法

• 作者: 祁章璇 高磊 聂生东
• 来源期刊: 光学技术
• 关键词: X射线光学 CT图像 肺叶分割 深度学习 全卷积神经网络 多任务学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 生物医学光学|Biomedical Optics
• 页码范围: 66-71
• 页数: 6页
• 分类号: R318.04
• 语种: 中文

摘要

基于电子计算机断层扫描(CT)影像的肺叶分割是医生诊断和治疗肺部疾病的重要参考之一,但肺叶边界的模糊以及手动分割的巨大工作量使得医生难以准确、快速地分割肺叶.为此,提出了一种基于新型3D全卷积神经网络的肺叶自动分割方法.对原始CT图像进行预处理,然后利用预处理后图像训练卷积神经网络,再将待分割图像输入到训练好的网络模型中,实现CT图像中肺叶的自动分割.实验数据包括来自上海市肺科医院的50例肺部疾病患者的CT图像,30例被用于训练,20例被用于测试.对分割结果进行了定量评价,其中Dice系数为0.961,Jaccard相似系数为0.916.实验结果表明该肺叶自动分割算法具有更好的分割性能以及更强的泛化能力,即使在训练集数据较少的情况下,也能够准确、快速的分割肺叶.