陈晓楠 王凯欣 孙传恕 刘晓凯 毕京平 彭 勇

1(大连海事大学信息科学技术学院 辽宁 大连 116026) 2(大连医科大学附属第二医院 辽宁 大连 116027) 3(大连理工大学水利工程学院 辽宁 大连 116024)

0 引 言

2019年1月，国家癌症中心发布的最新全国癌症统计数据显示，2015年全国的恶性肿瘤新发病例数达392.9万例，其中肺癌发病率占全国首位，发病病例高达78.7万[1]。肺癌已严重威胁到人们的生命健康。目前，CT(Computer Tomography)是早期肺癌检测中最为有效的医学影像检查手段之一[2]。随着科技水平的不断进步，医学影像切片的厚度越来越小，使得最终获得的切片数据量越来越大，导致放射科医生每天要阅读数以千计的CT图像，高的阅读量与诊断结果的准确率就产生了矛盾。为了尽量减少在前期由于主观因素而造成的漏诊、误诊现象，出现了计算机辅助诊断(Computer Aided Diagnosis，CAD)系统，CAD系统可以综合分析肺部医学图像，给医师提供“第二意见”[3]。

肺癌在早期一般表现为肺结节[4]。近年来，已有大量针对实质性结节分割算法的研究，而对磨玻璃型肺结节的分割方法中，如K近邻[5]、模糊聚类[6]、神经网络[7-8]、随机游走[9]等，都不能准确而高效地得到完整的GGO，且研究发现GGO的癌变率远远高于其他实质型结节。因此，研究GGO的分割对于肺癌的筛选和诊断具有更高的应用价值。

2003年，Ren等[10]首次提出超像素的概念，在近几年逐渐兴起，并成为目标识别、智能解释、目标跟踪、图像分割、人工智能等领域的研究热点。Achanta等[11]通过对目前超像素算法的比较分析提出一种简单有效的超像素分割方法——简单的线性迭代聚类(Simple Linear Iterative Clustering，SLIC)。……