基于空洞卷积U-Net模型的胰腺自动分割方法研究

秦楠楠，薛旭东，石 军，郝晓宇，吴爱林，闫 冰，朱雅迪，吴爱东,

随着计算机图形处理和医疗装备技术的发展，计算机辅助诊断(computer aided diagnosis，CAD)已成为现实，对身体各器官精准分割算法成为当前研究的热点之一。目前对于肾脏、肺和心脏等的器官分割研究已经取得较好的结果，但对胰腺等器官的分割精度并不理想。因解剖位置个体差异性大，易发生偏移，灰度与周围组织相近等特点，使得胰腺的精准分割仍是具有挑战性的任务。早期对胰腺的分割主要有边缘分割算法和基于概率模型的分割算法等，该类方法对较为复杂的问题会出现学习能力不足的情况，而深度卷积神经网络在处理复杂问题、提取抽象和高维度特征方面有着巨大的优势，对胰腺的分割精确度要优于传统的分割方法，Yao et al在文献中运用空洞卷积网络模块对血肿精准分割，该模块可以聚合多尺度上下文信息，而不会丢失分辨率或分析重新缩放的图像。该研究对先期研究应用的标准2D U-Net模型进行改进得到一种多尺度空洞卷积U-Net模型，并利用实际病例对改进的模型进行训练、测试及比较分析。

1 材料与方法

1.1 病例资料