典型文献
基于深度学习的纵隔淋巴结自动分割研究
文献摘要：
目的:基于深度学习方法使用U-Net网络训练模型,实现纵隔淋巴结自动分割.方法:收集医院呼吸内科提供的294例患者的369幅纵隔淋巴结超声弹性图像,将目标淋巴结图像从原始图像中分割后进行剪裁等预处理后,统一尺寸,输入卷积神经网络中的U-Net网络,使用U-Net网络训练的模型,对纵隔淋巴结进行自动分割.结果:U-Net网络训练模型的深度学习方法,实现了纵隔淋巴结自动分割良好的效果,Dice系数可达到0.9684,接近于1,纵隔淋巴结自动分割效果良好.结论:使用深度学习方法对纵隔淋巴结进行自动分割,可得到很好的分割效果,对于后续淋巴结的性质判定以及肺癌分期的确定具有重要意义.
文献关键词：
深度学习;卷积神经网络;U-Net网络;分割;纵隔淋巴结
中图分类号：
作者姓名：
宋宁宁;陈佳豪;周鑫;王雨荷;田书畅;方莹
作者机构：
南京医科大学附属南京医院(南京市第一医院)临床医学工程处 江苏南京 210006;南京医学会学术会务部 江苏南京 210003
文献出处：
引用格式：
[1]宋宁宁;陈佳豪;周鑫;王雨荷;田书畅;方莹-.基于深度学习的纵隔淋巴结自动分割研究)[J].中国医学装备,2022(10):1-4
A类：
B类：
纵隔淋巴结,自动分割,深度学习方法,Net,网络训练,训练模型,呼吸内科,声弹性,原始图像,剪裁,一尺,Dice,分割效果,使用深度,肺癌分期
AB值：
0.180019
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。
