深圳先進院在腹部CT多臟器智能分割領域取得新進展
近日，中國科學院深圳先進技術研究院醫工所微創中心謝耀欽研究員和周壽軍研究員合作，在腹部CT多臟器智能分割領域取得新進展。相關工作以Incorporating the Hybrid Deformable Model for Improving the Performance of Abdominal CT Segmentation via Multi-Scale Feature Fusion Network為題于7月9日發表在國際醫學成像領域頂刊Medical Image Analysis上。本研究的第一作者為深圳先進院梁曉坤助理研究員和博士生李娜，謝耀欽研究員和周壽軍研究員為通訊作者。
腹部CT多臟器的自動分割可以提高疾病診斷、預后分析和治療計劃等臨床工作流程的效率。然而，大量帶人工標注的臨床CT數據導致分割模型的標注過程非常耗時，而且多尺度病人臟器與形狀變化和臟器邊界模糊效應導致自動精準的腹部CT多臟器分割充滿挑戰。
對此，研究團隊提出了一種混合形變模型（Hybrid Deformable Model, HDM）的新型數據擴充方法，極大緩解了因訓練數據不足導致的網絡過擬合問題。HDM由不同病人間的臟器配準形變和同一病人內的臟器隨機形變組成，如圖1（a）所示。相比于傳統的數據擴充方法，HDM因其產生幾何變化的多樣性，使網絡更能捕捉到腹部CT中不同形態的臟器位置。HDM不僅能用于醫學圖像分割，還可以用于圖像配準和圖像重建，有望成為一種基于深度學習的通用數據擴充方法。此外，研究團隊設計了一個基于三維注意力機制的多尺度特征融合網絡，有效地降低了網絡的訓練難度并提升了分割精度，如圖1（b）所示。通過在多中心的腹部CT數據上的交叉驗證，結果顯示研究團隊提出的方法成功實現了腹部CT多臟器智能分割，如圖（2）所示。
本課題研究得到了國家重點研發專項、國家自然科學基金聯合基金、國家自然科學基金面上項目、廣東省特支項目領軍人才、深圳市基礎研究計劃、廣東省科學基金、深圳市基礎研究布局項目、深圳市國際合作基金項目和深圳市介入診療一體化關鍵技術與工程實驗室的支持。
圖1. 研究團隊提出的腹部CT多臟器分割框架的示意圖。
圖2. 分割結果圖。第1-2行分別為手動分割和提出的分割方法的三維效果圖，第3-5行表示不同CT層面的分割結果。第1-3列分別為較差、中等和較好的分割結果。顏色（a）-（h）分別表示脾臟、左腎、膽囊、食管、肝臟、胃、胰腺和十二指腸。
