基于U-Net的直肠癌CT图像分割系统的设计与实现  

作　　者：许晶淼 胡天寒[1] 刘影[1] 吴敏[1] 林莉 

机构地区：[1]皖南医学院,安徽芜湖241000

出　　处：《电脑知识与技术》2023年第32期8-10,15,共4页Computer Knowledge and Technology

基　　金：国家级大学生创新创业训练项目(项目编号:202210368039);安徽省教育厅高校科学研究人文重点项目(项目编号:SK2021A0468);安徽省教育厅高校科学研究人文重点项目(项目编号:SK2021A0466);2022年皖南医学院质量工程项目(项目编号:2022jyxm50)。

摘　　要：采用第七届“泰迪杯”数据挖掘挑战赛数据集,利用在医学领域应用较多的U-Net网络模型,将其卷积模块增加归一化层构成了新的Conv-concat模块,使网络特征提取能力得以提升。实验结果表明,经优化后的U-Net网络对直肠癌CT图像分割的准确率达到99.44%,具有较优的分割效果。本文将训练的最优模型提取出来并设计直肠癌分割系统,提供有效的直肠癌病灶相关信息,辅助医生在临床早期诊断。

关 键 词：直肠癌 语义分割 深度学习 U-Net网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]