左 琳

(南开大学 附属第一中心医院， 天津 300192)

随着工业技术的快速发展，由此导致的空气污染问题也日益严重，因肺部病变导致的呼吸道疾病的发病率和致死率也呈现出逐年增加的趋势[6-7].然而，由于医疗资源分布的不均匀，导致在肺部疾病的诊断过程中有大量的疑难病症无法得到准确诊断[8].因此发展智能化、精确化的计算机辅助诊断技术，对于解决医疗资源分布不均问题、减少医生的诊断负担、提升诊断准确率和效率是十分必要的[9].

目前，针对肺部疾病诊断的计算机辅助诊断技术主要包括：传统的机器学习方法和基于深度学习的方法[10-11].其中，传统机器学习方法使用区域生长、阈值法和统计分析等方法分割出肺部区域，然后使用基于机器学习或基于规则的方法对分割出的区域进行统计分类并得到诊断结果.Deng等[11]提出了一种基于模糊阈值的CT图像分割算法，算法首先分割出肺部区域，然后使用加权支持向量机将分割出的区域分为结节区和非结节区.Tobias等[12]提出了一种基于主动轮廓模型的肺部区域分割算法，并提取出分割区域的三维解剖特征和二维随机特征对分割区域进行分类.这类方法通常需要人工参与设计特征的提取过程，而基于深度学习的方法直接使用深度神经网络提取输入图像的特征，不仅简化了特征提取过程，而且将肺部疾病诊断作为一个端到端图像分类的过程，具有更高的性能.Wang等[13]提出了一……