基于2D/3D U-plus-net的心臟自動分割

宋宇宸，彭昭，吳昊天，周解平，皮一飛，陳志，裴曦

1.中國科學技術大學放射醫學物理中心，安徽合肥230027；2.安徽慧軟科技有限公司，安徽合肥230000；3.中國科學技術大學附屬第一醫院放療科，安徽合肥230001；4.鄭州大學第一附屬醫院放療科，河南鄭州450052

前言

近年來，胸部惡性腫瘤（乳腺癌等）發病率逐年增加，放療已被廣泛應用于胸部惡性腫瘤的治療。其中，心臟作為最重要的胸部危及器官，其照射劑量必須受到嚴格限制。因此，心臟分割是胸部惡性腫瘤放療的關鍵環節。然而，由于心臟周圍解剖結構復雜，心臟分割仍具有很大挑戰。目前，臨床使用的主要分割方法是醫生手動分割，可獲得精確的結果，但十分耗時。手動分割的局限性促使研究人員繼續開發用于心臟分割的輔助分割方法。目前的器官輔助分割方法主要有基于統計模型的方法［1-2］、基于圖譜的方法［3-5］以及基于深度學習的方法，包括基于U-net的方法［6］、基于FCN的方法［7-9］、基于CNN的方法［10-12］及基于其他網絡的方法［13-14］等。其中，基于深度學習的方法因其準確率高、效率高而被廣泛應用。U-net［7］最初在MICCAI 2015被提出，并成為器官分割任務的主要基礎網絡，該網絡改進了全卷積網絡［15］，完善了擴展路徑，將多通道卷積與特征金字塔網絡的結構相結合，大大提高了器官分割的準確率；3D U-net在U-net基礎上增加醫學影像的三維信息，在小體積器官的分割任務中表現出色［16］。深度學習為醫學圖像處理做出很大貢獻，在圖像分割任務中表現最優。但是這些方法對心臟的下邊緣部分的分割精度不夠高。……