基于3D_ResUnet肝脏CT图像分割的临床应用研究

摘要

目的:为解决传统肝实质分割方法在阈值分割方面存在的分割精度低的问题。方法:采用AI自动识别算法,通过Unet与Resnet相结合的3D_ResUnet网络对肝脏CT图像进行分割,并对分割结果通过最大联通分量的方法去除杂质,得到较为精确的肝脏区域,实现肝实质自动分割。结果:基于3D_ResUnet的肝脏CT图像分割,其分割的平均Dice为96.12%,高于3D_Unet的分割精度。结论:基于3D_ResUnet的肝脏CT图像分割提高了肝实质分割的精度,实现了无需人工交互的全自动分割,通过应用在肝癌手术计划系统中,为临床医生的肝癌手术规划提供了可视化依据。