%0 Journal Article
%T 基于3D ResUnet网络的肺结节分割
%A 张倩雯1
%A 秦玉芳1
%A 2
%A 陈希1
%A 陈明1
%A 2
%J 中国医学物理学杂志
%D 2019
%R DOI:10.3969/j.issn.1005-202X.2019.11.021
%X 目的：将深度残差结构和U-Net网络结合形成新的网络ResUnet，并利用ResUnet深度学习网络结构对胸部CT影像进行图像分割以提取肺结节区域。方法：使用的CT影像数据来源于LUNA16数据集，首先对CT图像预处理提取出肺实质，然后对其截取立体图像块并进行数据增强来扩充样本数，形成相应的肺结节掩膜图像，最后将生成的样本输入到ResUnet模型中进行训练。结果：本研究模型最终的精度和召回率分别为35.02%和97.68%。结论：该模型能自动学习肺结节特征，为后续的肺癌自动诊断提供可靠基础，减少临床诊断的成本并节省医生诊断的时间。 【关键词】肺结节；分割；深度残差结构；召回率；ResUne
%K 肺结节
%K 分割
%K 深度残差结构
%K 召回率
%K ResUnet
%U http://zgyxwlxzz.paperopen.com/oa/darticle.aspx?type=view&id=201903068