文献类型：期刊文章

作　　者：周正东[1] 李剑波[1,2] 辛润超[1,2] 涂佳丽[1,2] 贾俊山[1] 魏士松[1]

Zhou Zhengdong;Li Jianbo;Xin Runchao;Tu Jiali;Jia Junshan;Wei Shisong(State Key Laboratory of Mechanics and Control of Mechanical Structures,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China;Department of Nuclear Science and Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China)

机构地区：[1]南京航空航天大学机械结构力学及控制国家重点实验室,南京210016 [2]南京航空航天大学核科学与工程系,南京210016

出　　处：《东南大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51575256);江苏省重点研发计划(社会发展)重点资助项目(BE2017730);重庆市产业类重点研发资助项目(重大主题专项项目)(cstc2017zdcy-zdzxX0007);江苏高校优势学科建设工程资助项目

年　　份：2019

卷　　号：49

期　　号：2

起止页码：231-236

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高肺癌放疗计划危及器官勾画的精度和效率,提出了一种基于带孔U-net神经网络的肺癌放疗计划危及器官肺及心脏的并行分割方法.首先,构建了肺窗、心脏窗以及纵膈窗下的三通道伪彩色图像数据集,将图像数据集分成训练集、验证集以及测试集;然后,搭建了带孔U-net神经网络,利用训练集和验证集对其进行训练和参数调优;最后,利用测试集对训练后的带孔U-net神经网络进行图像分割性能评价,并与U-net神经网络及3种传统图像分割算法进行比较.实验结果表明,带孔U-net神经网络分割性能最优,可有效地完成肺及心脏的自动并行分割,提高勾画效率,分割结果与人工勾画结果相当.

关 键 词：肺癌放射治疗 深度学习  带孔卷积  图像分割

分 类 号：R734.2] TP391.41[临床医学类]