lungmask

在严重病理存在下的CT中自动肺部分割 此包提供了经过训练的U-net模型用于肺部分割。目前，有四种模型可用： - U-net(R231)：此模型基于一个大型且多样化的数据集进行训练，涵盖了广泛的视觉变化。该模型可对单个切片进行分割，分别提取右肺和左肺，并包含气囊、肿瘤和积液。气管不会被包括在肺部分割中。 https://doi.org/10.1186/s41747-020-00173-2

• U-net(LTRCLobes): 该模型基于 LTRC 数据集的子集进行训练。该模型可对单个肺叶进行分割,但当存在密集病变或在每个切片中不可见的裂纹时,其性能有限。

两种模型的应用示例。 左侧： U-net(R231)，可区分左肺和右肺，并包含非常密集的区域，如积液(第三行)、肿瘤或严重纤维化(第四行)。 右侧： U-net(LTRCLobes)，可区分肺叶，但不包含非常密集的区域。 LTRCLobes_R231 将 LTRCLobes 和 R231 的结果融合。 R231CovidWeb 使用额外的 COVID-19 数据进行训练。

如果您在工作中使用了本代码或其中的某个训练模型,请参考: