沈阳师范大学学报(自然科学版)

2020, v.38;No.133(03) 278-282

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于U-Net网络的肺部组织分割
Lung tissue segmentation based on U-Net network

程立英;高宣爽;申海;黄丹阳;覃文军;

摘要(Abstract):

传统的医学图像分割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医学图像分割技术的发展,而深度学习是机器学习领域中使用多重非线性变换对数据进行多层抽象的热门算法,其多被应用于医学图像的分类和识别中。在肺组织分割中,针对肺部组织纹理复杂,且胸部CT图像数据的随机噪声大,采用相对成熟的传统分割算法对CT图像进行预处理,再结合深度学习的理论,设计一个合理的神经网络模型,利用已经标记好的多组肺部CT图像进行训练,使其能够准确地分割出肺部组织。基于U-net神经网络的深度学习方法对肺实质的分割进行研究与实现,并针对临床扫描胸部CT图像进行了实验验证,能够较为准确快速地分割出肺实质。

关键词(KeyWords): 深度学习;U-net神经网络;CT影像;肺实质分割

Abstract:

Keywords:

基金项目(Foundation): 辽宁省科技厅自然科学基金资助项目(2019-ZD-0480);; 国家自然科学基金面上项目(61971118)

作者(Author): 程立英;高宣爽;申海;黄丹阳;覃文军;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享