节点文献

基于U-Net网络的肺部组织分割

免费订阅

【作者】 程立英高宣爽申海黄丹阳覃文军

【Author】 CHENG Liying;GAO Xuanshuang;SHEN Hai;HUANG Danyang;TAN Wenjun;College of Physical Science and Technology, Shenyang Normal University;Key Laboratory of Intelligent Computing in Medical Image, Ministry of Education, Northeastern University;

【机构】 沈阳师范大学物理科学与技术学院东北大学医学影像智能计算教育部重点实验室

【摘要】 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。

【基金】 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)
【所属期刊栏目】 理论与应用研究 (2020年03期)
  • 【分类号】R734.2;TP391.41
  • 【下载频次】294
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: