谢娟英,夏 琴

(陕西师范大学 计算机科学学院, 陕西 西安 710119)

2019年12月新型冠状病毒肺炎(corona virus disease 2019，COVID-19)疫情暴发，感染人数迅速增长[1]。截至2021年9月，全球累计确诊新冠肺炎人数达2.2亿，其中死亡人数达458万，确诊和死亡人数呈现持续快速增长趋势[2-3]。依据《新型冠状病毒肺炎诊疗方案(试行第七版)》[4]，肺部影像的诊断结果可作为新冠肺炎患者的评判标准，新冠肺炎患者肺部影像早期呈现多发小斑片影及间质改变，进而发展为双肺多发浸润影、磨玻璃影，严重的患者出现胸腔积液少见、肺实变等。放射科医生通过查看肺部影像，结合临床信息，发现异常之处，从而诊断出新冠肺炎患者。

作为一种常见的医学放射成像方式，计算机断层扫描(computed tomography，CT)是医生诊断肺炎的重要手段[5]。医生通过查看肺部CT图像，判断是否存在新冠肺炎患者特征，包括毛玻璃影结节、肺纤维化、胸腔积液以及多发性病变等[6-8]，从而做出诊断。然而，诊断结果常常取决于放射科医师经验，人为因素影响很大，诊断困难且耗时。因此，利用计算机辅助医生对肺部CT图像病变区域进行诊断，定量评估治疗前后效果，不仅能提高医生的医学影像判读效率，而且能加强医生的临床诊疗能力，提高患者治愈率、减少病人等待时间。随着深度学习技术的蓬勃发展，出现了基于深度学习的安全、准确、高效的计算机辅助诊断手段[9-12]，在医学图像分析领域取得显著效果。

医学图像分割是依据频域、灰度、纹理等特征对2D或3D图像进行分割。……