基于深度学习的CT图像分割技术在自动勾画中的研究进展与应用.pdfVIP

AdvancesinClinicalMedicine临床医学进展,2025,15(7),689-699

PublishedOnlineJuly2025inHans./journal/acm

/10.12677/acm.2025.1572041

基于深度学习的CT图像分割技术在自动勾画中

的研究进展与应用

路德昊，王媛菲，张景然

青岛大学青岛医学院，山东青岛

收稿日期：2025年6月9日；录用日期：2025年7月2日；发布日期：2025年7月11日

摘要

计算机断层扫描(CT)在现代临床诊疗中发挥着不可替代的作用，尤其在肿瘤靶区勾画、术前评估和放疗

规划等环节中对图像标注的精准性提出了更高要求。然而，传统人工勾画方式存在主观性强、效率低、

重复性差等问题，制约了其标准化推广。近年来，人工智能技术迅速发展，特别是基于深度学习的图像

分割模型(如U-Net、3DU-Net、TransUNet等)在CT影像结构识别中展现出卓越性能。本文系统梳理了AI

辅助CT勾画的关键技术路径与模型演化趋势，分析了其在肝脏、肺部、脑部等典型病种中的应用实践，

探讨了系统部署中面临的可解释性、数据安全及泛化能力问题，并展望了联邦学习、主动学习、大模型

融合等新兴技术对临床智能化发展的推动作用。旨在为CT影像勾画的标准化、智能化与多中心应用提供

理论依据与实践参考。

关键词

CT影像，人工智能，自动勾画，深度学习，图像分割

AdvancesandApplicationsofDeep

Learning-BasedCTImageSegmentation

TechniquesforAutomaticDelineation

DehaoLu,YuanfeiWang,JingranZhang

QingdaoMedicalCollege,QingdaoUniversity,QingdaoShandong

Received:Jun.9th,2025;accepted:Jul.2nd,2025;published:Jul.11th,2025

Abstract

Computedtomography(CT)playsapivotalroleinmodernclinicaldiagnosisandtreatmentplanning,

文章引用:路德昊,王媛菲,张景然.基于深度学习的CT图像分割技术在自动勾画中的研究进展与应用[J].临床医学

进展,2025,15(7):689-699.DOI:10.12677/acm.2025.1572041

路德昊等

especiallyintaskssuchastumortargetdelineation,preoperativeevaluation,andradiotherapyde-

sign.However,conventionalmanualcontouringremainslabor-intensive,time-consuming,andsub-

jecttosignificantinter-operatorvariability,limitingitsscalabilityandstandardization.Recentad-

vancesinartificialintelligence(AI),particularlydeeplearning-basedsegmentationmodelssuchas

U-Net,3DU-Net,andTransUNet,havedemonstratedpromisingperformanceinautomaticstructure

identificationonCTimages.Thisreviewprovidesacomprehensiveoverviewofthecoremethodol-

ogiesandtechnicalevolutionunderlying