文献类型：期刊文章

作　　者：肖汉光[1] 冉智强[1] 黄金锋[1] 任慧娇[1] 刘畅[1] 张邦林[1] 张勃龙(综述)[1] 党军(审校)[2]

XIAO Hanguang;RAN Zhiqiang;HUANG Jinfeng;REN Huijiao;LIU Chang;ZHANG Banglin;ZHANG Bolong;DANG Jun(Department of Intelligent Science,School of Artificial Intelligence,Chongqing University of Technology,Chongqing 401135,P.R.China;Department of Radiotherapy,The First Affiliated Hospital of Chongqing Medical University,Chongqing 400016,P.R.China)

机构地区：[1]重庆理工大学两江人工智能学院智能科学系,重庆401135 [2]重庆医科大学附属第一医院放疗科,重庆400016

出　　处：《生物医学工程学杂志》

基　　金：国家自然科学(面上)基金项目(61971078);重庆市教委科学技术研究(青年)项目(CQUT20181124);重庆市研究生科研创新项目资助(CYS20351)。

年　　份：2021

卷　　号：38

期　　号：2

起止页码：379-386

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：肺癌和新冠肺炎等肺部疾病严重危害着人类的健康与生命安全,其早期筛查与诊断尤为重要。电子计算机断层扫描(CT)技术是肺部疾病筛查的重要途径之一。其中,基于CT图像的肺实质分割是肺部疾病筛查的关键步骤,高质量的肺实质分割能有效提高肺部疾病早期诊断和治疗水平。基于CT图像的肺实质自动、快速、准确分割能有效弥补手动分割效率低、主观性强等不足,已成为该领域研究的热点之一。本文结合近年国内外发表的相关文献,对肺实质分割的研究进展进行综述,对比分析了传统机器学习方法和深度学习方法,重点介绍了深度学习模型网络结构的改进等研究进展。讨论了肺实质分割中待解决的一些问题,对发展前景进行了展望,为相关领域的科研工作者提供参考。

关 键 词：电子计算机断层扫描 肺实质分割 深度学习  

分 类 号：R816.41] TP391.41[临床医学类]