数据集在深度学习算法中起着关键作用，而医学数据集稀少，为此，本文提出了一种CT图像分割数据集的生成与分割标签的制作方法。在CT图像重建领域，被扫描物体模型称为体模，体模可以用来定量评估和改进成像仪器性能、数据采集手段，图像重建和处理方法，从而改善图像质量以获得准确的临床诊断。
在计算机断层扫描（CT）领域的临床研究中，由于辐射问题，一些研究在道德和伦理上不被允许。物理模型为活体患者提供了一种替代方案，但制造一系列不同人群的各种解剖结构将非常昂贵。而计算机控制生成的能够模仿人体结构的体模可以完美的解决这一问题，该体模能够提供虚拟的患者基础，从而定量评估和改进成像仪器、数据采集技术、图像重建和处理方法，这些方法可以改善图像质量和更准确的临床诊断。
在利用XCAT2模型生成CT图像数据集后，还需要制作CT图像分割标签，CT图像分割标签一般需要有经验的放射科医师手工标定，这种方法费时费力。针对这一情况，本文提出了一种CT图像分割标签的自动化制作方法。XCAT2模型入射光线的能量可以自主设定，其物质的衰减系数也可以手动设定，当单一能量的X射线穿过体模时，会发生衰减，经过不同衰减系数的物质后其投影信息不同，利用这一特性，本文通过改变需要分割的器官或病变组织的衰减系数，将其数值设置成远大于周围组织的衰减系数值，在经过X射线的照射后，需要分割的器官或病变组织部位的灰度值与周围的组织明显不同，通过设定图像阈值，经过图像二值化处理即可得到准确无误的CT图像分割标签。 |