CT影像肝脏转移瘤分割与检测深度网络的研究

作者：李佳昇; 郭树旭; 张磊; 郑爽; 张惠茅; 邱云海; 李雪妍^*

来源：计算机工程与应用, 2020, 57(02): 191-197.

• 深度学习
• 医学影像分割
• 目标检测
• 级联网络

肝脏肿瘤的评估是结直肠癌肝转移临床诊疗的重要步骤。为了完成腹部CT影像中的肝脏肿瘤自动分割和检测任务,提出一种改进的级联深度学习网络。级联网络采用U-Net和Mask R-CNN模型分别完成分割和检测任务。训练U-Net模型作为级联网络的第一层来分割肝脏器官作为感兴趣区域(ROI);针对ROI区域进行形态学活动轮廓提取;使用U-Net模型和Mask R-CNN模型作为级联网络的第二层分别完成精准分割和检测ROI内肝脏肿瘤的任务。实验结果表明,对于级联U-Net模型的肝脏转移瘤分割平均Dice系数为74%;Mask R-CNN的肿瘤实例分割Dice系数为67%(置信度为95%),均值平均精度(mAP)为88%。

• 单位
  吉林大学; 吉林大学第一医院