2D/3D级联卷积在分割CT肺动脉上的应用研究

医学影像分割是计算机辅助诊断的重要组成部分。针对CT影像的三维特性,提出了一种基于2D/3D级联卷积的Unet网络结构用来分割肺动脉。该结构相比基于传统2D卷积的方法,关联了第三维度信息,提高了分割准确度和泛化能力,相比基于传统3D卷积的方法提高了准确度和执行效率。实验对多套肺动脉增强CT数据集做了验证,分割准确率达到85.7%,高于传统2D和3DUnet网络,同时执行效率较3DUnet提高近30%,在CT影像分割上做到了效率和准确度的兼顾。

基于3D＿ResUnet肝脏CT图像分割的临床应用研究

目的:为解决传统肝实质分割方法在阈值分割方面存在的分割精度低的问题。方法:采用AI自动识别算法,通过Unet与Resnet相结合的3D_ResUnet网络对肝脏CT图像进行分割,并对分割结果通过最大联通分量的方法去除杂质,得到较为精确的肝脏区域,实现肝实质自动分割。结果:基于3D_ResUnet的肝脏CT图像分割,其分割的平均Dice为96.12%,高于3D_Unet的分割精度。结论:基于3D_ResUnet的肝脏CT图像分割提高了肝实质分割的精度,实现了无需人工交互的全自动分割,通过应用在肝癌手术计划系统中,为临床医生的肝癌手术规划提供了可视化依据。