典型文献
CT图像肺及肺病变区域分割方法综述
文献摘要：
计算机断层扫描(computed tomography,CT)技术能为新冠肺炎(corona virus disease 2019,COVID-19)和肺癌等肺部疾病的诊断与治疗提供更全面的信息,但是由于肺部疾病的类型多样且复杂,使得对肺CT图像进行高质量的肺病变区域分割成为计算机辅助诊断的重难点问题.为了对肺CT图像的肺及肺病变区域分割方法的现状进行全面研究,本文综述了近年国内外发表的相关文献:对基于区域和活动轮廓的肺CT图像传统分割方法的优缺点进行比较与总结,传统的肺CT图像分割方法因其实现原理简单且分割速度快等优点,早期使用较多,但其存在分割精度不高的缺点,目前仍有不少基于传统方法的改进策略;重点分析了基于卷积神经网络(convolutional neural network,CNN)、全卷积网络(fully convolutional network,FCN)、U-Net和生成对抗网络(generative adversarial network,GAN)的肺CT图像分割网络结构改进模型的研究进展,基于深度学习的分割方法具有分割精度高、迁移学习能力强和鲁棒性高等优点,特别是在辅助诊断COVID-19病例时,基于深度学习方法的性能明显优于基于传统方法的性能;介绍肺及肺病变区域分割的常用数据集和评价指标,在解决如COVID-19数据样本量少等问题时,使用GAN以合成高质量的对抗性图像用以扩充数据集,从而增加训练样本的数量和多样性;讨论了肺CT图像的肺及肺病变区域的高精度分割策略的研究趋势、现有挑战和未来的研究方向.
文献关键词：
计算机断层扫描(CT);医学图像分割;肺CT图像分割;肺病变区域;深度学习;新冠肺炎(COVID-19)
中图分类号：
作者姓名：
冯龙锋;陈英;周滔辉;胡菲;易珍
作者机构：
南昌航空大学软件学院,南昌 330063;江西省肿瘤医院放射科,南昌 330029
文献出处：
引用格式：
[1]冯龙锋;陈英;周滔辉;胡菲;易珍-.CT图像肺及肺病变区域分割方法综述)[J].中国图象图形学报,2022(03):722-749
A类：
肺病变区域
B类：
区域分割,分割方法,方法综述,计算机断层扫描,computed,tomography,corona,virus,disease,肺部疾病,诊断与治疗,割成,计算机辅助诊断,重难点问题,全面研究,活动轮廓,法因,实现原理,改进策略,convolutional,neural,network,全卷积网络,fully,FCN,Net,生成对抗网络,generative,adversarial,GAN,分割网络,结构改进,改进模型,迁移学习,深度学习方法,数据样本量少,对抗性,充数,加训,训练样本,分割策略,研究趋势,医学图像分割
AB值：
0.286908
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
