论文部分内容阅读
目的：基于深度学习方法使用U-Net网络训练模型，实现纵隔淋巴结自动分割。方法：收集医院呼吸内科提供的294例患者的369幅纵隔淋巴结超声弹性图像，将目标淋巴结图像从原始图像中分割后进行剪裁等预处理后，统一尺寸，输入卷积神经网络中的U-Net网络，使用U-Net网络训练的模型，对纵隔淋巴结进行自动分割。结果：U-Net网络训练模型的深度学习方法，实现了纵隔淋巴结自动分割良好的效果，Dice系数可达到0.968 4，接近于1，纵隔淋巴结自动分割效果良好。结论：使用深度学习方法对纵隔淋巴结进行自动分割，可得到很好的分割效果，对于后续淋巴结的性质判定以及肺癌分期的确定具有重要意义。