基于人工智能的肺癌诊断CT的肺实质分割技术研究

摘要

目的:探讨人工智能技术在CT图像肺癌诊断中的肺实质分割的应用。方法:在肺癌诊断CT图像的影响因素分析基础上,分别建立基于凸包分割算法、基于迭代模糊连接度的分割算法、基于卷积神经网络的分割算法,并着重介绍卷积神经网络的主干网络、损失函数的改进。结果:基于迭代相对模糊连接度的分割算法相较于其他两种方法的分割效果更佳,能够更好得处理的模糊边缘,Dice系数为0.9812。但基于Mask-RCNN分割算法的分割效率最快,其平均分割帧率约为10.5fds。结论:肺癌CT图像中基于卷积神经网络的肺实质分割技术能够对肺结节的检测和分类具有重要的意义。