从一系列 CT 影像中对肺部影像进行分割，并识别估计肺部容积量。

天池医疗AI大赛：肺部结节智能诊断[第二赛季] 背景 肺部原始图，肺部腐蚀图，肺部气管图 肺部2D图，肺部3D图，肺部阈值图 任务 真肿瘤 假肿瘤 絮状肿瘤，小肿瘤，肺壁肿瘤 算法 Run python ./prepare/main.py python ./1_train/main.py python ./1_train/check.py python ./1_test/main.py python ./1_test/check.py python ./1_test/save_csv.py python ./2_train/create_data.py python ./2_train/check.py Created by lining@2017/9/30

TianchiChallenge-1 天池医疗AI大赛：肺部结节智能诊断[第一赛季] rank：37 /2887 The source code will be uploaded

芯片或带来肺部损伤新疗法.pdf

致敬前线医护工作者海报设计素材适用于致敬医护工作者海报设计。

肺部影像人工智能诊断系统对肺结节性质的诊断价值分析.pdf

针对肺实质序列图像分割方法的时效性低和分割不完全性等问题，利用先验知识得到肺部 ＣＴ 序列 ＲＯＩ图.像，提出超像素序列分割算法对 ＲＯＩ序列图像进行分割，采用改进的自生成神经网络对超像素进行聚类并优化，根据.聚类后样本的灰度和位置特征识别肺实质区域。在序列肺实质图像的分割结果中，单 张 ＣＴ 图像的平均处理时间为.０．６１ｓ，同时能达到９２．０９±１．５２％的平均肺部体素重合度。与已有的方法相比，所提算法能在相对较短的时间内获得.较高的分割精准度。

使用基于雪橇的生长自动分割方法提取肺部病变

Finding lungs in CT 是基于肺部 CT 影像分割处理的数据集，其包含一系列 CT 影像中对肺部影像的分割，并以此识别和估计肺部容积量。 该数据集包含 4 名患者的数据，以 nifti 格式的图像和分段肺面罩为主，由 Kaggle 于 2017 年发布。

项目开发中，使用的部分CT图像，预览请点击链接：https://blog.csdn.net/mdxiaohu/article/details/88948366