Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

21.11.2018 | Recent Advances in Deep Learning for Medical Image Processing

Automatic lung segmentation in low-dose chest CT scans using convolutional deep and wide network (CDWN)

Zeitschrift:
Neural Computing and Applications
Autoren:
S. Akila Agnes, J. Anitha, J. Dinesh Peter

Abstract

Computed tomography (CT) imaging is the preferred imaging modality for diagnosing lung-related complaints. Automatic lung segmentation is the most common prerequisite to develop a computerized diagnosis system for analyzing chest CT images. In this paper, a convolutional deep and wide network (CDWN) is proposed to segment lung region from the chest CT scan for further medical diagnosis. Earlier lung segmentation techniques depend on handcrafted features, and their performance relies on the features considered for segmentation. The proposed model automatically segments the lung from complete CT scan in two laps: (1) learning the required filters to extract hierarchical feature representations at convolutional layers, (2) dense prediction with spatial features through learnable deconvolutional layers. The model has been trained and evaluated with low-dose chest CT scan images on LIDC-IDRI database. The proposed CDWN reaches the average Dice coefficient of 0.95 and accuracy of 98% in segmenting the lung regions from 20 test images and maintains consistent results for all test images. The experimental results confirm that the proposed approach achieves a superior performance compared to other state-of-the-art methods for lung segmentation.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Premium Partner

    Bildnachweise