基于改进Unet网络的CT图像肺实质自动分割算法

肺实质分割是计算机辅助诊断肺癌中的重要步骤。针对Unet分割精度不足和收敛速度慢的问题，提出一种基于改进Unet的肺实质分割算法。采用K-means聚类和凸包扫描算法进行预分割，完成肺实质的定位和修正。以Unet结构为基础，引入Sobel卷积层强化边缘区域的高通滤波，并在特征融合中加入随机失活模块，进一步提升分割精度。将传统图像处理方法与深度学习相结合，获得了优化改进的分割模型。实验表明，该算法可以准确高效地分割肺实质，平均Dice相似系数达到0.983 4,收敛速度和分割性能均优于其他几种较新的分割算法。