资源描述：
《基于U-Net网络的肺部CT图像分割算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、《自动化与仪器仪表》2017年第6期(总第212期)基于U-Net网络的肺部CT图像分割算法袁甜,程红阳,陈云虹,张海荣,王文军(第四军医大学训练部教育技术中心陕西西安,710032)摘要:针对CT图像存在双肺边界难以准确分割、肺实质周围存在血管和细小空洞时,传统分割方法无法得到良好的分割效果这一问题,文中提出了一种基于U-Net的肺部CT图像自动分割算法。首先对原CT图像进行高斯和拉普拉斯滤波处理,然后将预处理后的图像和原始图像作为输入,分别使用U-Net进行分割。最后将所有分割出来的肺部区域通过线性回归进行融合从而提取出肺部实质区域。定性与定量实
2、验结果表明,文中使用的基于U-Net的分割方法能有效分割肺部实质区域,且该算法相比于传统算法更加出色。关键词:CT图像;分割;U-Net;线性回归;高斯滤波;拉普拉斯滤波中图分类号:TN911．73文献标识码:ADOI编码:10．14016/j.cnki．1001-9227．2017．06．059Abstract:InordertosolvetheproblemthatthepresenceofpulmonaryorpleuraldenseregionsinCTimage,andtraditionalimagesegmentationmethodsc
3、annotgetgoodsegmentationresults,thispaperproposesanalgorithmforautomaticsegmentationoflungCTimagebasedonU-Net.ThismehodfirstlyprocesstheoriginalCTimagebyadoptingGaussandLaplassefilter;thenthepreprocessedimageandtheoriginalimageasinputandsegmentationbyU-Net;finallyallthesegmente
4、dlungregionswerefusedtoextractpulmonaryparenchymabylinearregression.TheresultsofqualitativeandquantitativeexperimentsshowthattheU-Netbasedsegmentationmethodcaneffectivelysegmentthelungparenchyma,andthealgorithmissuperiortothetraditionalalgorithm.Keywords:CTimage;segmentation;U-
5、Net;linearregression;gaussfilter;laplassefilter0引言[1]目前,肺癌对居民的生命和健康构成了巨大的威胁,是中国发病率及死亡率最高的癌症。研究表明,对肺癌的早发现与早治疗能有效提高肺癌患者的生存率和愈后情况:5年[2][3]生存率从14%提高到49%。计算机辅助诊断(CAD)能帮助医生自动检测和分析疾病,为了实现CAD系统,需要从[4]计算机断层扫描(computedtomography,CT)图像中分割出人体器官和结构。肺部CT扫描图像主要由肺实质、肺血管[5-6]和支气管组成,从CT图像中分割出肺实质
6、区域能提高[7]CAD系统的效率、减少误诊。因此,肺部图像的分割效果能影响整个肺部CAD系统的精度,是肺疾病诊断CAD系统[8]的关键步骤。近年来,国内外学者在提出了诸多肺部CT图像的分割算法,其大多数是基于肺部实质与周围组织存在明显差异来[9]进行的。但CT图像存在双肺边界难以准确分割、肺实质周围存在血管和细小空洞发生遗漏分割的问题。如图1所示为传统分割算法对3类图像的分割结果。针对这一问题,本图1传统肺分割算法的性能文使用一种U型的卷积神经网络(U-Net)对肺部CT图像进1传统分割方法行分割,首先对原CT图像进行高斯与拉普拉斯滤波处理,以增强C
7、T图像的细节部分;然后对预处理后的图像分别使用U针对肺部CT图像的分割算法,主要分为基于阈值的方[10][11][12]-Net进行分割;最后使用线性回归融合分割结果。定性与定法、基于边界的方法和基于特定理论的方法。量实验结果表明,本文使用的基于U-Net的分割方法能有效肺部充满了大量的空气,在CT扫描图像中肺部是一块分割肺部实质区域。黑色区域。同时,肺部和周围组织的对比度明显,这使得众多学者试图找到一个最优的阈值来分离肺部区域,包括灰度阈收稿日期:2017-02-15值方法、直方图阈值方法和3D阈值方法。然而由于图像亮作者简介:袁甜(1986-),
8、女,陕西西安人,本科,助教,主要研究度的变化,使得这些方法的分割效果并不理想。方向为图形图像处理。基于边界的
