改进Mask R-CNN网络在医学图像识别与分割中的应用

卢 苇，刘 丹，邵 敏，吴扬东

1.贵州大学 现代制造技术教育部重点实验室，贵阳550025

2.贵阳市口腔医院 口腔颌面外科，贵阳550002

电子计算机断层扫描技术（Computed Tomography，CT），利用X射线束对人体一定厚度的层面进行扫描，能够快速地获取病变区域的切片图像，CT成像技术的发展为医学图像的处理奠定了基础。医学图像的分割一直是医学图像处理的关键技术[1]，医学图像分割就是把图像分成特定的区域，以便提取出感兴趣的区域，并使它尽可能地接近解剖结果。在医学图像中将特定的组织、器官分割出来，使其为医学图像的配准、融合等处理，以及组织器官、病灶的测量和三维重建提供可靠的依据。其中，细胞的图像分割是医学图像分割中较早也是相对较容易的研究点，细胞图像分割技术的应用，避免了采用细胞学诊断法效率低，医生长时间在显微镜下读片易疲劳，产生误判等缺点。随着研究的进行，医学图像分割在各类肿瘤的识别、器官提取方面的研究也不断深入。现今医学图像的分割方法常见的有基于阈值、区域、边缘检测以及结合区域与边缘检测的医学图像分割方法[2]，研究者们也将改进的粒子群算法、遗传算法、蝙蝠算法等应用于CT或者核磁共振（MR）图像的分割中[3]。将常见的经典图像处理技术、理论与优化算法、神经网络等有机地结合起来，以实现快速、自动、精准的处理，将会是未来医学图像处理的发展方向。

本文以下颌骨的识别与分割为例，下颌骨位于面下部，呈弓形，在颌面骨骼中面积和体积占比大，是面部骨骼中唯一能活动的骨骼，也是病变的好发区域[4]，但将以上图像分割方法应用在下颌骨的分割中差强人意。……