LGAN：基于生成对抗网络的CT扫描肺分割
计算机视觉与模式识别
2019-01-14 v1
摘要
计算机断层扫描(CT)图像中的肺分割是多种肺部疾病诊断中的重要步骤。当前大多数肺分割方法通过一系列步骤实现，且每一步均需手动经验性参数调整。为追求步骤更少的自动分割方法，本文提出一种基于生成对抗网络(GAN)的新型深度学习肺分割框架，记为LGAN。我们所提框架可推广至不同神经网络用于CT图像肺分割，并在包含220例个体CT扫描的数据集上以分割质量与形状相似性两个指标进行评估。此外，我们将本工作与当前前沿方法进行比较。本研究结果表明，所提LGAN框架因其简化流程与良好性能，可作为自动肺分割的一种有前景的工具。
引用
@article{arxiv.1901.03473,
title = {LGAN: Lung Segmentation in CT Scans Using Generative Adversarial Network},
author = {Jiaxing Tan and Longlong Jing and Yumei Huo and Yingli Tian and Oguz Akin},
journal= {arXiv preprint arXiv:1901.03473},
year = {2019}
}