3D U-NET在CT影像分割中的应用价值

肺癌已经被公认为全球危害人类健康的主要疾病“杀手”。有关文献报道表明,国内肺癌患者病例当中,男性发病率是27.2/10万,女性16.7/10万,肺癌发病高发阶段是55岁至65岁之间,肺癌疾病的防治,应该早期诊断及时治疗为关键,所以,应该定期到院进行疾病筛查。为提升临床诊断可靠性,此次以3D U-NET网络结构展开阐述,并提出CT影像自动分割方法。本次研究中的项目上将3D U-NET作为切入点做出系列的优化,其中有操作卷积块,利用相应型号的卷积,还需要在卷积后持续进行Batch Normalization、Relu、Dropout干预,卷积直接取代池化,并融合long skip connection实施长衔接,达到浅层、低水平及粗粒度特征持续传递但不消失的目的,这样有利于网络能够对形状低于10毫米,亮度高结节轮廓表达能力得到进一步的提升,而且能够让感受野明显扩大,加快收敛。让CT影像能够自动且精确地描述,为疾病的治疗提供有力依据。