肺结节准确分割对于临床诊断具有重要意义。计算机断层扫描（CT）因其高分辨率和较快的成像速度等优点在肺结节图像处理领域应用十分广泛。人工智能学院于11月14日举办了“青年学者学术论坛”。此次论坛采取线上形式进行，论坛邀请赵海博老师作专场报告，院全体专任教师参加线上学术报告会。

CT是人体解剖结构的三维图像，反映了人体组织吸收X射线的程度。通常组织密度越低，吸收X射线越少，该区域的像素强度越低。CT图像呈黑影，肺结节等病变组织密度大，CT图像呈现灰白色。胸腔隔膜等健康组织、结节相粘连的血管，边缘模糊的磨玻璃结节等等都加大了肺部结节的识别和分割。针对肺结节的图像分割方法的研究主要分为两大类，一是传统方法，利用肺部纹理、结构、形状等差异进行分割，二是深度学习方法，利用CNN、FCN、Unet、GAN等网络模型完成肺结节分割任务。

赵老师从数据集mhd文件中可视化出原始CT图像，标记双肺边界、分离附着在肺结节上的血管、填充肺部区域空洞，得到双肺mask。原始CT图像与肺部mask相乘得到肺实质切片，进一步对肺实质切片进行平均像素间距重采样、归一化、去均值处理后，输入深度学习模型进行训练，完成肺结节分割任务。