基于深度學習的器官自動分割研究進展

郭 雯，鞠忠建，吳青南，全 紅，戴相昆

（1.武漢大學物理科學與技術學院，武漢 430072；2.解放軍總醫院第一醫學中心放療科，北京100853；3.北京大學國際醫院，北京 102206）

0 引言

在包括放療在內的諸多醫學領域，基于CT、MRI等醫學影像的器官分割或輪廓勾畫作為疾病診療的必要輔助手段日益受到關注，尤其是在以圖像引導和自適應放療為代表的精準放療領域[1-2]。準確、高效的器官分割可為精準照射腫瘤和更好地保護正常組織器官提供有力幫助。

既往大量醫學圖像分割的研究主要基于圖像語義，如閾值法、邊界檢測法、區域法等，在復雜場景下分割效果不盡理想[2]；而基于模板、人工提取特征的算法在與組織邊界不明顯的器官識別中表現較差。

深度學習在計算機視覺處理領域取得了巨大成功[3]，一些研究團體嘗試將其應用到醫學圖像自動分割中[4]，實現對患者組織器官的有效分割，為疾病檢查與診斷、放療中危及器官勾畫打好基礎。本文基于臨床上最常用的CT和MRI 2種輔助檢查圖像，介紹使用深度學習方法自動分割器官的研究進展。

1 深度學習網絡模型

深度學習的概念最早由Hinton等[5]在2006年提出，其模型分3類，分別是基于卷積運算的神經網絡，如卷積神經網絡（convolutional neural networks，CNN）；多層神經元自編碼神經網絡，如自動編碼機（auto encoder，AE）；多層自編碼預訓練、根據特征微調神經網絡權重的深度置信網絡（deep belief networks，DBN）。在醫學圖像器官分割領域，CNN是研究最多也是最為基礎的深度神經網絡。

1.1CNN

CNN在1980年由Fukushima提出[6]，基本結構如圖1所示，從輸入單元通過若干交替設置的卷積層和池化層學習圖像信息、得到特征映射，最后通過全連接層表征輸入圖像類別或提取重要信息。……