基于带孔U-net神经网络的肺癌危及器官并行分割方法

摘要：

为了提高肺癌放疗计划危及器官勾画的精度和效率,提出了一种基于带孔U-net神经网络的肺癌放疗计划危及器官肺及心脏的并行分割方法.首先,构建了肺窗、心脏窗以及纵膈窗下的三通道伪彩色图像数据集,将图像数据集分成训练集、验证集以及测试集;然后,搭建了带孔U-net神经网络,利用训练集和验证集对其进行训练和参数调优;最后,利用测试集对训练后的带孔U-net神经网络进行图像分割性能评价,并与U-net神经网络及3种传统图像分割算法进行比较.实验结果表明,带孔U-net神经网络分割性能最优,可有效地完成肺及心脏的自动并行分割,提高勾画效率,分割结果与人工勾画结果相当.

关键词：肺癌放射治疗、深度学习、带孔卷积、图像分割

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51575256;江苏省重点研发计划社会发展重点资助项目BE2017730;重庆市产业类重点研发资助项目重大主题专项项目cstc2017zdcy-zdzxX0007;江苏高校优势学科建设工程资助项目

在线出版日期：2019-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：231-236