基于深度学习的肺部CT图像分割研究进展

摘要：

肺部CT图像分割是早期筛查和诊断肺部疾病的关键.传统的CT图像分割技术(如阈值法、聚类法和区域生长法)存在精确性差、效率低和鲁棒性差的问题.随着深度学习的发展,基于深度学习的模型在CT图像分割方面表现出卓越的能力.本文结合近年来国内外研究文献,对深度学习的算法发展及其在肺部CT图像分割中的应用进行综述.文献复习结果表明,采用图像分割评价指标Dice相似系数(Dice similarity coefficient,DSC)对算法性能进行评估,肺部CT图像分割深度学习算法的DSC均大于0.9.这些结果表明深度学习能实现精确、高效和鲁棒性的肺部CT图像分割.同时,未来需要对医学图像的复杂性,深度学习数据集的大小、隐私性、网络架构设计和模型可解释性等难题进一步深入研究.

关键词：肺部CT图像、图像分割、深度学习

所属期刊栏目：43

分类号：R-1;R445(现状与发展)

资助基金：国家自然科学基金;江西省自然科学基金青年基金项目;赣南医学院科研启动金项目

在线出版日期：2023-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：59-62