CASIA OpenIR  > 学术期刊  > 自动化学报
基于多模型融合的肺部CT新冠肺炎病灶区域自动分割
史天意; 程枫; 李震; 郑传胜; 许永超; 白翔
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:2Pages:317-328
Abstract自2019年末以来,全球蔓延的新型冠状病毒(Coronavirus disease 2019, Covid-19)已经给世界人民造成了严重的健康威胁.其中新型冠状病毒患者的计算机断层扫描(Computer tomography, CT)图像通过肺炎病灶分割技术可以为医学诊断提供有价值的量化信息.虽然目前基于深度学习的方法已经在新型冠状病毒肺炎病灶分割任务上取得了良好的效果,但是在面对不同中心数据的情况下分割效果往往会大幅下降.因此,研究一种具有更好泛化性能的新型冠状病毒肺炎病灶分割算法具有重要意义.提出一种新冠肺炎病灶多模型融合分割方法.通过训练3DUnet模型和2DUnet结合方向场(Direction field, DF)模型,利用多种模型各自优点进行分割结果的融合,得到更好的泛化性能.通过同中心和跨中心数据集的实验,证明该方法能够有效提高新冠肺炎病灶分割的泛化性能,为医学诊断分析提供帮助.
Keyword新冠肺炎 计算机断层扫描影像分割 深度学习 泛化性能
DOI10.16383/j.aas.c210400
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56194
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
史天意,程枫,李震,等. 基于多模型融合的肺部CT新冠肺炎病灶区域自动分割[J]. 自动化学报,2023,49(2):317-328.
APA 史天意,程枫,李震,郑传胜,许永超,&白翔.(2023).基于多模型融合的肺部CT新冠肺炎病灶区域自动分割.自动化学报,49(2),317-328.
MLA 史天意,et al."基于多模型融合的肺部CT新冠肺炎病灶区域自动分割".自动化学报 49.2(2023):317-328.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0400.pdf(10146KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[史天意]'s Articles
[程枫]'s Articles
[李震]'s Articles
Baidu academic
Similar articles in Baidu academic
[史天意]'s Articles
[程枫]'s Articles
[李震]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[史天意]'s Articles
[程枫]'s Articles
[李震]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0400.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.