文献类型：期刊文章

作　　者：钟思华[1] 郭兴明[1] 郑伊能[2]

ZHONG Sihua;GUO Xingming;ZHENG Yineng(Chongqing Engineering Research Center for Medical Electronic Technology,College of Bioengineering,Chongqing University,Chongqing 400044,China;Department of Radiology,the First Affiliated Hospital of Chongqing Medical University,Chongqing 400016,China)

机构地区：[1]重庆大学生物工程学院重庆市医疗电子技术工程研究中心,重庆400044 [2]重庆医科大学附属第一医院放射科,重庆400016

出　　处：《计算机工程与应用》

年　　份：2020

卷　　号：56

期　　号：17

起止页码：203-209

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了对CT图像中的肺结节进行准确地分割,提出了一种基于改进的U-Net网络的肺结节分割方法。该方法通过引入密集连接,加强网络对特征的传递与利用,并且可以避免梯度消失的问题,同时采用改进的混合损失函数以缓解类不平衡问题。在LIDC-IDRI肺结节公开数据库上的实验结果表明,该方法达到的Dice相似系数值、准确率和召回率分别为84.48%、85.35%和83.81%。与其他分割网络相比,该方法能够准确地分割出肺结节区域,具有良好的分割性能。

关 键 词：肺结节 U-Net  密集连接  语义分割  

分 类 号：TP391]