CT图像的肝脏及肝脏肿瘤分割方法研究

摘要

医学图像处理是医学流程中十分重要的一环,目前医学图像处理的主要研究方向有图像分割,结构分析,图像配准等.其中图像分割对于独立器官观测以及病灶检测具有更加重要的意义,可以降低医生的工作负担,使其注意力集中在需要诊断的器官上.在过去的30年里,肝脏和肝脏肿瘤分割已经引起了相当多的关注,并出现了自动化,半自动化和交互式的分割方法.目前分类卷积神经网络在图像分类方面取得了巨大的成就,但是语义分割需要判断每个像素点的类别,而不是整个图片的类别.针对这个问题,全卷积网络随之被提出,并成为图像语义分割的基本框架.本文中使用二维与三维的全卷积级联网络分别作为分割模型,使用Dice相似性系数来作为模型的损失函数,并运用多种预处理方法来处理训练的CT训练数据,进行预处理方法以及模型对肝脏分割性能影响的研究.