程立英, 高宣爽, 申 海, 黄丹阳, 覃文军

(1. 沈阳师范大学 物理科学与技术学院, 沈阳 110034;2. 东北大学 医学影像智能计算教育部重点实验室, 沈阳 110189)

0 引 言

截至目前来说肺癌是影响中国居民生活和健康的最大问题之一。综合研究数据得出结论,对肺部的病灶区域早期发现早期治疗是提升肺癌的生存率最直接有效的方法。肺癌在早期阶段的表现在肺部外周围,其CT影像表现为孤立性的肺结节[1],在肺实质内存在单一且最大直径不大于30 mm的类似圆形的病灶区域,在此特征下不容易和影像结果中的细小的气、血管区分。然而,现有的CT技术能够使肺部肿瘤的扫描图像足够清晰,从图像中获得大量的诊断结果,在肺癌的早期筛查和诊断分析中起着重要作用,但肺部疾病的种类及其图像显示复杂多样,难以及时、准确地进行诊断[2-3]。肺实质分割作为肺部组织分割中的关键,在传统图像处理技术中特征提取算法的设计复杂性与应用局限性、稳定性,以及特定的特征提取算法与特定的分类器结合的多样性制约着图像分割技术的发展[4-5],本文在对传统肺实质分割算法研究基础上,结合深度学习方法,设计一个合理的网络模型分割肺部CT图像中的肺实质,提高了其分割的准确性,帮助医师更加准确地判断病变部位,及时发现病变区域,从而在一定程度上提高肺部疾病的诊断效率和准确率。

1 基于深度学习的医学图像分割

近年来,卷积神经网络(CNN)在计算机视觉和医学图像分析等诸多领域的实验效果都非常显著。……