基于W-Net的肝静脉和肝门静脉全自动分割

摘要

cqvip:基于术前CT影像的肝静脉和肝门静脉分割对于进行肝脏分段具有重要的临床价值。但在肝脏的静脉期CT影像中,肝静脉和肝门静脉的灰度差异很小,血管结构也错综复杂,因此自动提取三维的肝静脉和肝门静脉一直是个难题。为解决此难题,提出一种基于卷积神经网络(convolutional neural network,CNN)的网络结构W-Net。该结构利用肝静脉和肝门静脉在三维结构上的差异,为全部肝血管和门静脉的提取分别设置损失函数,通过优化两个损失函数的加权和,自动学习全部肝血管和门静脉的三维结构特征,使全部肝血管和肝门静脉均达到优化的提取效果,两者相减即可得到肝静脉。采用公开数据集3Dircadb01中的10组延迟期腹部CT影像用于网络模型构建,另外10组用于测试。结果显示,肝区全部血管Dice系数达到0.715,准确率达到0.970;肝静脉Dice系数达到0.597,准确率达到0.984;肝门静脉Dice系数达到0.608,准确率达到0.970。通过10组临床数据进行测试,所构建的网络均能将肝静脉和肝门静脉有效地分割开。实验结果表明,所提出的方法具有较好的特征提取能力及泛化能力,在公开数据和临床数据中都有较好的表现。