基于改进自生成神经网络的肺部CT序列图像分割

针对肺实质序列图像分割方法的时效性低和分割不完全性等问题,利用先验知识得到肺部 CT 序列 ROI图.像,提出超像素序列分割算法对 ROI序列图像进行分割,采用改进的自生成神经网络对超像素进行聚类并优化,根据.聚类后样本的灰度和位置特征识别肺实质区域。在序列肺实质图像的分割结果中,单 张 CT 图像的平均处理时间为.0.61s,同时能达到92.09±1.52%的平均肺部体素重合度。与已有的方法相比,所提算法能在相对较短的时间内获得.较高的分割精准度。