基于全卷积神经网络的肺纤维化合并肺肿瘤CT图像的分割方法*

韦明炯，杨创勃，刘雨峰，温界玉，康彦智，左博，赵宇新

(1.陕西省第二人民医院， 陕西 西安 710005；2.陕西中医药大学， 陕西 西安 712046；3.西安市北方医院，陕西 西安 710068)

1 引 言

肺癌发病率逐年攀升，且因发病时间短，潜伏时间长，导致通常患者被确诊时已恶化成晚期，存活率小于15%。但如果在早期发现并及时治疗，患者的存活率可以提升到40%～70%[1-2]。CT技术的广泛应用可为医生在临床诊断中提供精确的参考依据。但由于肺部构造特殊，CT图像中血管、组织与肺部病灶交织在一起，不易分辨。因此，需要从CT图像中准确定位、分割和提取肺部病灶，为临床医师提供良好的诊断依据。图像分割法主要是通过一定的方法和算法将CT图像分成若干具有相似性的区域。传统的CT图像分割方法提取图像特征较少，分割效果较差，因此，本研究提出一种基于全卷积神经网络的肺纤维化合并肺肿瘤CT图像的分割方法。

2 基于全卷积神经网络的肺纤维化合并肺肿瘤CT图像的分割研究

2.1 提取肺部图像ROI

分割肺部CT图像的主要目的是分类病灶，CT图像中存在一些不相干的噪声信息，如果在分割过程中出现差错，会导致分类结果不准确，造成病情误判。在肺部纤维化合并肺肿瘤的影像中，肺纤维结节会出现在肺实质的内部，因此，需要先分割肺实质图像，即不包含胸腔轮廓以及气管等，完全是双肺内部区域，再完成对肺纤维结节的疑似区域的分割[3-4]。本研究采用迭代阈值法，可解决CT图像中明暗对比不明显、整体图像偏暗、像素之间差异小等问题。……