摘要
CT 图像中肺结节的准确分割对肺癌的分析和诊断至关重要，然而，由于肺结节的多样性以及结节与其周围环境之间视觉特征的相似性，结节的稳健分割成为一个具有挑战性的问题。为了探讨研究和解决这些问题，本文主要工作包括以下几个方面： （1）调研与分析了肺结节分割技术的广阔前景和巨大的潜在市场，肺结节的种类特征，深度学习在肺结节分割中的应用和发展，并制作了肺结节数据集。本文首先总结了肺结节分割研究的技术难点，分析比较了 FCN、SegNet 和 U-Net 图像分割算法以及生成对抗网络（GAN）系列的原理与特点。数据集方面，本文采用 LIDC-IDRI 数据集以及生成对抗网络扩充的数据集。考虑到样本的均衡性，使用了交叉验证的方法制作了训练集与测试集。 （2）针对小的以及不规则形状的结节难以分割问题，本文提出一种基于可变卷积与混合注意力机制的 U2-Net 网络，利用可变卷积来自适应的学习不规则形状结节的特征，并使用混合注意力机制模块中的通道注意力来强调出每个特征图中重要的细节特征，以及空间注意力来更好地帮助网络定位目标的位置，两者相结合可以准确的定位小结节，从复杂的周围组织中分割结节。在利用 SE 模块通过增强信道特征的表示能力来改善网络的性能，提出一种基于 SE-ResNet 的生成对抗网络进行对肺结节图像进行增强，增加肺结节纹理图像的多样性，从而增加本文分割算法的整体性能。 （3）设计了B/S架构的肺结节智能诊断系统，使用Flask框架来搭建系统UI界面，展示了系统的使用效果，该系统包含用户、专家、管理员三种角色，分别具有不同的权限，用户角色可以查看肺结节分割结果以及患者历史信息记录等功能。
NETL