資源描述:
《基于U-Net網(wǎng)絡(luò)的肺部CT圖像分割算法.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、《自動(dòng)化與儀器儀表》2017年第6期(總第212期)基于U-Net網(wǎng)絡(luò)的肺部CT圖像分割算法袁甜,程紅陽(yáng),陳云虹,張海榮,王文軍(第四軍醫(yī)大學(xué)訓(xùn)練部教育技術(shù)中心陜西西安,710032)摘要:針對(duì)CT圖像存在雙肺邊界難以準(zhǔn)確分割、肺實(shí)質(zhì)周圍存在血管和細(xì)小空洞時(shí),傳統(tǒng)分割方法無(wú)法得到良好的分割效果這一問題,文中提出了一種基于U-Net的肺部CT圖像自動(dòng)分割算法。首先對(duì)原CT圖像進(jìn)行高斯和拉普拉斯濾波處理,然后將預(yù)處理后的圖像和原始圖像作為輸入,分別使用U-Net進(jìn)行分割。最后將所有分割出來的肺部區(qū)域通過線性回歸進(jìn)行融合從而提取出肺部實(shí)質(zhì)區(qū)域。定性與定量實(shí)
2、驗(yàn)結(jié)果表明,文中使用的基于U-Net的分割方法能有效分割肺部實(shí)質(zhì)區(qū)域,且該算法相比于傳統(tǒng)算法更加出色。關(guān)鍵詞:CT圖像;分割;U-Net;線性回歸;高斯濾波;拉普拉斯濾波中圖分類號(hào):TN911.73文獻(xiàn)標(biāo)識(shí)碼:ADOI編碼:10.14016/j.cnki.1001-9227.2017.06.059Abstract:InordertosolvetheproblemthatthepresenceofpulmonaryorpleuraldenseregionsinCTimage,andtraditionalimagesegmentationmethodsc
3、annotgetgoodsegmentationresults,thispaperproposesanalgorithmforautomaticsegmentationoflungCTimagebasedonU-Net.ThismehodfirstlyprocesstheoriginalCTimagebyadoptingGaussandLaplassefilter;thenthepreprocessedimageandtheoriginalimageasinputandsegmentationbyU-Net;finallyallthesegmente
4、dlungregionswerefusedtoextractpulmonaryparenchymabylinearregression.TheresultsofqualitativeandquantitativeexperimentsshowthattheU-Netbasedsegmentationmethodcaneffectivelysegmentthelungparenchyma,andthealgorithmissuperiortothetraditionalalgorithm.Keywords:CTimage;segmentation;U-
5、Net;linearregression;gaussfilter;laplassefilter0引言[1]目前,肺癌對(duì)居民的生命和健康構(gòu)成了巨大的威脅,是中國(guó)發(fā)病率及死亡率最高的癌癥。研究表明,對(duì)肺癌的早發(fā)現(xiàn)與早治療能有效提高肺癌患者的生存率和愈后情況:5年[2][3]生存率從14%提高到49%。計(jì)算機(jī)輔助診斷(CAD)能幫助醫(yī)生自動(dòng)檢測(cè)和分析疾病,為了實(shí)現(xiàn)CAD系統(tǒng),需要從[4]計(jì)算機(jī)斷層掃描(computedtomography,CT)圖像中分割出人體器官和結(jié)構(gòu)。肺部CT掃描圖像主要由肺實(shí)質(zhì)、肺血管[5-6]和支氣管組成,從CT圖像中分割出肺實(shí)質(zhì)
6、區(qū)域能提高[7]CAD系統(tǒng)的效率、減少誤診。因此,肺部圖像的分割效果能影響整個(gè)肺部CAD系統(tǒng)的精度,是肺疾病診斷CAD系統(tǒng)[8]的關(guān)鍵步驟。近年來,國(guó)內(nèi)外學(xué)者在提出了諸多肺部CT圖像的分割算法,其大多數(shù)是基于肺部實(shí)質(zhì)與周圍組織存在明顯差異來[9]進(jìn)行的。但CT圖像存在雙肺邊界難以準(zhǔn)確分割、肺實(shí)質(zhì)周圍存在血管和細(xì)小空洞發(fā)生遺漏分割的問題。如圖1所示為傳統(tǒng)分割算法對(duì)3類圖像的分割結(jié)果。針對(duì)這一問題,本圖1傳統(tǒng)肺分割算法的性能文使用一種U型的卷積神經(jīng)網(wǎng)絡(luò)(U-Net)對(duì)肺部CT圖像進(jìn)1傳統(tǒng)分割方法行分割,首先對(duì)原CT圖像進(jìn)行高斯與拉普拉斯濾波處理,以增強(qiáng)C
7、T圖像的細(xì)節(jié)部分;然后對(duì)預(yù)處理后的圖像分別使用U針對(duì)肺部CT圖像的分割算法,主要分為基于閾值的方[10][11][12]-Net進(jìn)行分割;最后使用線性回歸融合分割結(jié)果。定性與定法、基于邊界的方法和基于特定理論的方法。量實(shí)驗(yàn)結(jié)果表明,本文使用的基于U-Net的分割方法能有效肺部充滿了大量的空氣,在CT掃描圖像中肺部是一塊分割肺部實(shí)質(zhì)區(qū)域。黑色區(qū)域。同時(shí),肺部和周圍組織的對(duì)比度明顯,這使得眾多學(xué)者試圖找到一個(gè)最優(yōu)的閾值來分離肺部區(qū)域,包括灰度閾收稿日期:2017-02-15值方法、直方圖閾值方法和3D閾值方法。然而由于圖像亮作者簡(jiǎn)介:袁甜(1986-),
8、女,陜西西安人,本科,助教,主要研究度的變化,使得這些方法的分割效果并不理想。方向?yàn)閳D形圖像處理。基于邊界的