APP下载

基于U-net++卷积神经网络的CT图像肺实质分割方法

2021-03-08姜旭恒常宗强丁英杰

电子技术与软件工程 2021年23期

姜旭恒 常宗强 丁英杰

(威海市中心医院 山东省威海市 264400)

1 引言

肺部疾病一直是威胁人类健康的主要疾病。近年来,肺癌的发病率和死亡率迅速增长,已经成为对人类生命威胁最大的恶性肿瘤之一[1]。作为肺部疾病最有效的无创检测技术,CT以其分层薄、分辨率高、低噪声等特点,被广泛应用到肺部疾病筛查和诊断当中[2]。

近年来,随着人工智能的不断发展,计算机辅助诊断(computer aided diagnosis,CAD)在医学影像领域得到了广泛的应用[3],特别是在肺癌、肺结节等肺部疾病诊断方面已取得了重要进展。现阶段,计算机辅助诊断系统主要利用深度学习算法训练灵敏度较高的卷积神经网络来实现对病灶的快速自动检测。为了训练深度神经网络,通常需要大量的肺部CT影像训练数据集和标签数据集,人体胸腔结构复杂,肺部CT影像除显示肺实质外还有支气管、胸廓、检查床等噪声信息,不利于深度神经网络模型的训练[4]。因此,需要对肺部CT图像进行分割得到肺实质后再送入深度神经网络进行训练。

图像分割技术是计算机视觉领域的重要研究方向,现已广泛应用于医学影像的分割处理。传统的图像分割算法包括阈值分割算法[5]、边缘分割算法、区域分割算法[6]、聚类分析分割算法[7]和形态学算法[8]等,这些算法通常存在运算速度慢、噪声水平较高、需要人为设定超参数,受主观因素影响较大等问题。目前,国内外各研究学者提出了大量基于深度学习的医学图像分割方法并取得了实质性进展,其主流算法大多是基于深度卷积神经网络[9]。……

登录APP查看全文