论著-胸部
基于改进3D U-net的CT肺部影像Covid-19感染区域自动检测研究*
作者：曾雷雷 陈利红2 杨 帆2,* 缪月红2 吴裕慧3 雷平贵3,*
所属单位：1.贵州医科大学大健康学院 (贵州 贵阳 550025) 2.贵州医科大学生物与工程学院 (贵州 贵阳 550025) 3.贵州医科大学附属医院医学影像科 (贵州 贵阳 550004)
PDF摘要
目的 研究基于改进3D U-net和计算机断层扫描(CT)的新型冠状病毒2019 (Covid-19)对肺部感染区域的自动检测算法。方法 本文Covid-19病人数据来自Covid-19 Lung CT Lesion Segementation Challenge-2020挑战赛，其中共199例Covid-19(RT-PRC)检测为阳性病例，被划分为训练集(n = 160)和验证集(n = 39)，测试集(n = 50)来自公开的MosMed新冠肺炎数据集；同时选取NSCLC数据集作为肺部分割训练集(n = 78)，以及选取Covid-19-CT-Seg 数据集作为测试集(n = 20)；本研究在3D U-net的基础上集成注意力机制，提出一种改进的3D U-net网络模型用于Covid-19患者的肺部感染区域的检测，并采用Dice系数、敏感性和特异性指标评估模型的检测能力。结果 所提方法在公开的MosMed新冠肺炎数据集上取得0.53的Dice系数、0.74的敏感性、0.99的特异性。结论 所提方法相比于最新算法在肺部感染区域自动检测上有更高的精度，有助于医生更好的掌握Covid-19对肺部的整体感染情况。
【关键词】Covid-19；肺部感染区域检测；CT；深度学习；注意力机制；计算机辅助诊断
【中图分类号】R197.39
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2023.05.012
中国CT和MRI杂志
第21卷， 第 5 期
2023年06月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号