基于U-net网络的肺部肿瘤图像分割算法研究

摘要

肺癌病灶大多具有体积小、形态多变、与胸腔内膜粘连等特点.随着CT扫描技术推广应用,肺部影像数据呈爆炸增长趋势,这给仅能依赖肉眼观察CT图像从而作出判断的影像科医生带来极大的挑战.针对这一问题,笔者提出了一种基于U-net的肺部肿瘤图像自动分割算法来辅助影像科医生作出判断.其具体实现流程为:先以原CT图像和由专业医生分割的图像为基础,将预处理后的图像输入U-net网络进行模型训练,得到训练模型,并用验证集中的图像验证.笔者所提出的U-net神经网络分割模型的JS准确率达到0.885 5.实验结果显示,该方法能有效分割CT图像中的肿瘤区域,且相比于传统算法更加精确高效.