基于深度学习的肺部CT图像病灶区域分割研究综述

来源：计算机工程与应用杂志2025年第4期北京时间：

作者：李小童, 马素芬, 生慧, 魏国辉, 李欣桐

单位：1.山东中医药大学 智能与信息工程学院，济南 250355；2.山东中医药大学教务处，济南 250355

摘要：肺癌严重威胁人们的生命健康。肺部CT图像病灶区域形态复杂多样，实现高精度的肺部CT图像病变区域分割，成为计算机辅助诊断领域的一个极具挑战性的关键问题。基于深度学习的肺部病灶区域分割不仅可以帮助医生快速、准确地诊断出早期肺癌，而且对于肺癌的治疗也具有重要的临床价值。为了深入研究肺部病灶区域分割技术，介绍了常用的数据集及评价指标；重点从基于卷积神经网络、基于U-Net模型、基于生成对抗网络三个方面对深度学习肺部病灶区域分割模型进行了综述；结合具体实验总结了近5年国内外研究的创新点，对比分析了各个模型的分割性能；最后总结了各类模型的优缺点，展望了该领域的未来发展方向。

关键词：深度学习,肺部病灶区域分割,卷积神经网络,U-Net模型,生成对抗网络