论文部分内容阅读
本文介绍了随着人工智能技术的不断发展,计算机辅助诊断在肺癌、肺结节和新型冠状病毒肺炎等肺部疾病诊断领域取得了广泛的应用。为了提高神经网络检测的准确性,需要通过大量肺部CT图像进行训练。因此,获取干扰信息更少、病灶更加明显的肺实质断层图像可以显著提高神经网络的准确率。使用U-net++卷积神经网络对LUNA16肺部CT数据集进行训练,将训练好的模型用于肺实质分割。肺实质分割网络输出平均Dice系数为0.9925,实现了较为精准的肺实质分割。通过U-net++卷积神经网络实现了对肺实质快速、准确的分割,对肺部疾病的计算机辅助诊断的发展具有一定的推动作用。