基于带孔U-net神经网络的肺癌危及器官并行分割方法

作者：周正东; 李剑波; 辛润超; 涂佳丽; 贾俊山; 魏士松

来源：东南大学学报(自然科学版), 2019, 49(02): 231-236.

• 肺癌放射治疗
• 深度学习
• 带孔卷积
• 图像分割

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.

• 单位
  南京航空航天大学; 机械结构力学及控制国家重点实验室