基于多尺度特征感知的胸腔图像危及器官分割

摘要：

医学图像危及器官自动分割是计算机辅助诊断中的重要组成部分,对辅助医生高质高效完成放射治疗有着极其重要的作用.胸腔CT图像对比度低,且各器官之间重叠交错、边界模糊,使得危及器官的精确分割具有较大的挑战性.提出一种多尺度特征感知的编码-解码网络模型(FA-Unet),实现胸腔CT图像危及器官的分割.针对胸腔中四类器官大小差异的问题,首先构建了输入感知模型,提取图像中各器官的多尺度特征.为了弥补编码与解码之间的语义鸿沟,在解码-编码中融入改进的inception模块.用空间金字塔卷积(ESP)与金字塔池化(PSP)模块代替传统的串行卷积运算,使得网络模型更为轻量化,在一定程度上缓解数据量不足带来的过拟合问题.采用一种联合Dice系数与交叉熵的损失函数训练分割网络,可解决胸腔CT图像中类别不平衡的问题.最后,在2019年ISBI发布的SegTHOR数据集上验证模型的有效性,该数据集共包括40例肺癌或霍奇金淋巴瘤患者的胸腔CT图像7390张.实验结果表明,胸腔CT图像各器官分割的Dice系数分别为食道0.7932、心脏0.9359、气管0.8549、主动脉0.8890,Hausdorff距离分别为食道1.4207、心脏0.2124、气管0.6273、主动脉0.8870.结果 表明,与同类型分割网络相比,模型可获得较好的分割性能,尤其在小目标器官的分割上取得竞争性优势.

关键词：胸腔CT图像;危及器官分割;多尺度特征感知;FA-Unet

所属期刊栏目：40

分类号：R318(医用一般科学)

资助基金：湖南省自然科学基金;湖南省自然科学基金;智能计算与信息处理教育部重点实验室湘潭大学开放课题

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：701-711