简介：摘要：肺炎是一种常见且严重危害人体健康的呼吸系统感染疾病，CT影像不仅能直观地显示病变部位，还可提供诸如病灶形态、密度等信息，在早期发现和治疗过程中发挥着重要作用，也是医生了解病变程度和患病细节的常见手段。在卷积神经网络的基础上，开展肺部病变的判断以及病灶区域的分割定位研究，可以大幅提高诊疗速度，协助医生准确诊断和定位肺炎病变区域。目前的肺炎辅助诊断方法多将分类与分割算法的实施截然分开，区别于目前多将分类与分割算法实施截然分开的肺炎辅助诊断方法，研究了在通用卷积神经网络的基础上完成快速分类任务的实现方法，在专业人士的参与下标注并建立了用于肺炎病灶区域分割的数据集，并利用U-Net及相关改进网络模型，在训练集规模较小的情况下可完整勾勒出肺炎病灶的边缘，并获得到相对较高的分割精度。实验结果表明，通过在所处理的近300张数据集上进行实验，可以得到近85%的准确度。
客服QQ：30444492琼网文【2021】1550-113号
增值电信业务经营许可证：琼B2-20210322
出版物经营许可证：新出发龙华出字第(2021)009号
广播电视节目制作经营许可证：(琼)字第00779号
版权所有 ©2002-2024 期刊网 琼ICP备2021005105号
