TACSTechnology and Application of Computer Science2998-89262998-8934Art and Technology10.61369/TACS.2025120055Article基于CT 影像的支气管段分支识别算法研究https://artdesignp.com/journal/TACS/2/12/10.61369/TACS.2025120055蔡飞跃20252122025-06-28为实现支气管段分支的自动识别与命名，本文提出了一套完整的基于CT 影像自动段支气管命名算法。算法首先根据CT 影像利用深度学习模型分割气道和中心线提取，然后基于拓扑结构和几何特征进行分支识别。在此基础上，通过匹配标准命名体系实现自动命名。实验结果表明，该算法在24例肺部CT 测试数据上命名准确率达到90.04%，显著优于人工或者半自动方法。研究结果可为支气管镜导航，病灶定位和术前规划提供可靠的自动化支撑。段支气管识别,SVM,nnUNet,医学图像分割

[1] 中华医学会呼吸病学分会介入学组, 浙江省医学会呼吸病学分会介入学组. 增强现实光学全肺诊疗导航引导下肺外周结节诊断, 定位及治疗专家共识[J]. 中华医学杂志,2024, 104(16):1371-1380.[2] 楼陆飞, 应俊杰, 蔡凯俊, 等. 医学影像多血管和气道分割方法综述[J]. 中国图象图形学报, 2024, 29(9):2692-2715.[3] 祝鹏烜, 黄体仁, 李旭.MSAG-TransNet: 肺部CT 图像中新型冠状病毒感染区域的分割模型[J]. 浙江理工大学学报: 自然科学版, 2023, 49(6):734-744.[4] 王昌. 高精度肺部气道树的分割及骨架中心线的提取[D]. 安徽:中国科学技术大学,2010.[5] 洪汉玉, 马尔威, 黄丽坤. 基于重新检测过程的三维细化算法的改进[J]. 计算机科学,2018, 45(5):7.[6] 李艳波, 于翔. 基于区域增长法的三维支气管树分割算法[J]. 计算机科学,2015,42(0):192-194.[7] 乔亮, 李泽文, 胡杰, 等. 基于三次参数样条的机器人路径平滑算法研究[J]. 电脑知识与技术：学术版, 2019, 15(8):2.[8] 陈军, 李小刚, 谭永华.CT 三维重建技术在胸腔镜解剖性亚肺叶切除术中的应用[J].广州医科大学学报, 2021(005):049.[9] 汤文琳. 基于CT 影像的三维肺部气管树状结构分析算法研究[D]. 辽宁: 东北大学,2013.[10] 李珊, 杨庭树, 盖鲁粤, 等. 冠状动脉分叉病变斑块分布的CT 研究[J]. 医学影像学杂志, 2010, 20(11):5.