肝脏肿瘤 CT 图像分割方法研究

问题近年来，全球肝癌发病率和死亡率持续上升，及时发现肝脏病变并进行有效治疗对减少肝癌死亡率至关重要。计算机技术和生物医学不断发展，医学成像设备逐渐普及，医学图像分割在疾病诊断、病例分析、手术规划、预后评估中都有所应用，不仅可以为医生提供器官病变的位置、病变区域大小、病灶严重程度等极具价值的信息，而且可以在外科手术过程的实时成像中发挥作用。目前，如何实现肝脏肿瘤高精度自动分割仍然是医学图像处理中最具挑战性的任务之一。由于人工成本和专业知识限制，很难在大型肝脏图像数据集中、在体素水平上对肝脏及肝脏肿瘤进行标注，对以数据为驱动的深度学习模型来说，带标签数据缺乏的问题亟待解决；其次，肝脏 CT 图像自身具有灰度分布不均匀、形态数目因人而异、边界模糊的特点，使肝脏肿瘤精细化分割难度进一步加大。

方案提出了一个新型 2D 肝脏肿瘤分割方法，同时关注肿瘤图像语义信息和边缘信息，解决了肝脏肿瘤边缘模糊和个体差异大的问题，实现了精细化分割；提出了新型三维分割网络 S-PPM V-Net，空间形状感知模块和改进的空间金字塔池化模块能准确有效地捕捉目标区域之间的空间形状特征，有效分割出目标区域；提出由粗到细的分割框架，屏蔽无关脏器干扰，提高肿瘤分割精确度，缓解带标签医学图像获取难的问题。基于 ITK 和 VTK 可视化工具设计并实现了一款可视化分割系统用于辅助医疗诊断，包含患者信息管理、数据预处理、图像分割、三维可视化、交互和诊断管理六大功能模块。