基于改进对抗生成网络模型的肺气管图像分割

摘要：

目的:为了提高肺部疾病的临床诊断准确率及其手术成功率,需要对肺气管的影像进行准确的分割.方法:提出一种全新的针对肺气管图像的三维图像分割算法,将深度学习中的对抗生成网络结构(GAN)、密集连接网络模型(DenseNet)以及多尺度连接(MultiScale)结构应用到临床三维图像的分割中.结果:该方法可以从读取数据块中做到像素级的分割,根据相对坐标位置对分割结果进行投票,结合最大联通分量后处理办法,分割出精确到第四支的气管,算法在测试数据上的分割结果获得交并比(IOU)超过91.4％的准确率.结论:基于对抗生成网络的图像分割算法,无需人工交互即可获得形态学结构复杂(肺气管)的三维目标,能提高肺部疾病的临床诊断准确率和手术成功率.

关键词：深度学习;对抗生成网络模型;肺气管图像分割

所属期刊栏目：16

分类号：R319;TP391(医用一般科学)

资助基金：国家自然科学基金;厦门市科技计划

在线出版日期：2021-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：93-97