基于深度学习的肺结节 CT 图像自动分割算法优化
刘德洋

安徽中医药大学 医药信息工程学院，安徽合肥，231635；

摘要：肺结节早期准确检测对于肺癌防治至关重要，CT 图像作为肺结节检测的重要手段，其自动分割算法的优化是当前研究的热点。本文围绕深度学习的肺结节 CT 图像自动分割算法展开，详细阐述了相关理论基础，分析了现有算法存在的问题，并提出了针对性的优化策略，包括改进损失函数、引入新型卷积模块、融合多尺度特征等。通过实验验证，优化后的算法在分割精度、召回率等指标上均有显著提升，为肺结节的准确分割和临床诊断提供了更有效的方法。

关键词：深度学习；自动分割算法；肺结节；CT图像

参考文献

[1]徐茂丽,阮志兵,刘欢,等.基于增强CT影像组学鉴别胰腺癌与肿块型慢性胰腺炎的价值[J].贵州医科大学学报,2022,47(11):1325-1331.

[2]李聂.针对转移性肝癌的CT图像分类与靶向点预测研究[D].河北大学,2023.

[3]刘政君.基于深度学习的多模态目标识别技术研究[D].西安工业大学,2024.

[4]唐琴,刘志勤,王庆凤,等.基于混合损失注意力的CT气胸自动分割与量化[J].计算机应用与软件,2024,41(12):214-222.

[5]任鑫.基于深度学习的交通标志检测识别研究[D].中北大学,2024.

[6]刘金辉,童晶,倪佳佳,等.基于改进U-Net的下肢骨骼CT图像分割[J].计算机系统应用,2022,31(10):134-141.