全局與局部注意力機制的胃部腫瘤分割算法

徐凱成，方志軍，蔡清萍，衛子然，高永彬，姜曉燕

1.上海工程技術大學電子電氣工程學院，上海201600；2.上海長征醫院,上海200003

前言

胃癌作為全球范圍內致死率最高的癌癥之一［1］。胃癌的術前分期對治療策略的制定起著至關重要的作用［2］。上消化道內視鏡檢查（胃鏡）是胃癌檢測的金標準，但由于其本身是一種侵入性檢查，不僅對操作醫師的技術要求較高，且患者需要承受一定的痛苦［3］。通過CT 診斷胃癌是一種高效無痛的方法，也成為未來醫學工程重點發展的胃癌診斷技術手段［4］。然而由于專家資源分布不均衡，在CT 上實現精準的術前分期難度很高，事實上即使是由多位專家共同完成診斷，其結果仍然會存在很強的主觀性。基于深度學習的方法由于其出色的自學習能力成為醫學圖像分析的主要選擇之一，在減少專家重復性工作的同時也提供了更加客觀的參考。

分割作為計算機視覺的基本任務之一，被廣泛地應用于各種領域。在醫學影像中，通過對病灶及器官組織區域的提取可以獲得許多有價值的信息，如尺寸、位置等，這些信息對最后診斷提供了很大的幫助。醫學影像分割在諸多醫學影像應用中起著至關重要的作用，其基本原理是通過灰度、顏色、紋理、亮度和對比度來識別病變或器官區域所對應的像素或體素［5-6］。與傳統自然圖像相比，醫學影像分割的難點主要有數據量少，圖像質量低（對比度、模糊、噪音、偽影和失真），不同樣本間器官組織差別較大等［7-8］。……