通过边缘引导的肾上腺三维CT影像分割

摘要

计算机断层扫描图像是判断肾脏情况的主要成像方式.医生可以通过分割出腹部CT图像中感兴趣的肾上腺区域，从而计算出肾上腺的体积、灰度值和表面积来判断肾病的病因.然而手工标记图像中的病变区域是耗时、繁琐且具有挑战性的，且病变区域与周围组织极为相似，勾画出的边界极为模糊.因此本文采用一种全卷积神经网络模型MedNeXt——一个受Transformer启发的大核分割网络来对肾上腺3D数据进行体积分割.为应对样本类别不均衡问题，本文还使用对称统一焦点损失替换Dice损失，以提高分割精度.同时考虑到肾上腺组织与周围组织边界难以区分的问题，本文提出结合边界损失函数与主体损失函数同时监督分割过程，使得模型更关注边界的细节信息，从而提升模型性能，实现更精确的分割结果.实验结果表明，所用方法与近几年最新的模型相比在本文所用肾上腺3D数据集上实现了最先进的性能.

关键词

全卷积 / Transformer / MedNeXt / 类别不均衡 / 体积分割