CT影像肝脏转移瘤分割与检测深度网络的研究

摘要

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％.