论文部分内容阅读
肺部CT(Computed Tomography)图像分割是计算机辅助肺部诊断系统的首要步骤,分割精度影响肺部诊断结果。本文提出了一种基于Unet神经网络的全自动肺部分割方法。该方法在由230幅不连续、形态不同的肺部CT图像上通过平移、旋转变换得到5280幅图像所组成的数据集上进行实验,将训练得到的模型对40幅肺部CT图像进行测试。该网络结构包括一条提取高级特征的编码路径和一条恢复图像信息的对称解码路径。结果表明,与其他肺部分割算法相比,该方法的DSC(Dice Similarity Coefficient)系数提高至0.9868。