基于3D UNet结合Transformer的肝脏及肝肿瘤自动分割

作     者：戴振晖 简婉薇 朱琳 张白霖 靳怀志 杨耕 谭翔 王学涛 DAI Zhenhui;JIAN Wanwei;ZHU Lin;ZHANG Bailin;JIN Huaizhi;YANG Geng;TAN Xiang;WANG Xuetao

作者机构：广州中医药大学第二附属医院放射治疗区广东广州510006 

基　　金：广州市科技计划项目(202102010264) 广东省中医院中医药科技专项(ZY2022YL07) 

出 版 物：《中国医疗设备》 (China Medical Devices)

年 卷 期：2023年第38卷第1期

页      码：42-47页

摘      要：目的肝脏和肝肿瘤分割是肝癌放疗计划设计的重要步骤,本文提出新型自动分割模型,以实现肝脏和肝肿瘤的精确分割。方法在3D UNet深度神经网络中加入了残差模块和Swim Transformer模块,提出一个新型的卷积和Transformer结合的Res-Swim-UNet模型。在LiTS公共数据集上对比了所提出方法与先前方法的性能,并在本地数据集上验证了Res-Swim-UNet模型的泛化能力。结果Res-Swim-UNet模型在LiTS公共数据集上肝脏分割结果的Dice相似性系数(Dice Similarity Coefficient,DSC)、体积重叠误差(Volumetric Overlap Error,VOE)分别是0.957、0.522,相对于UNet模型DSC提高了1.6%,VOE降低了1.3%;肝肿瘤分割结果的DSC、VOE分别是0.672、0.617,相对于UNet模型DSC提高了13.5%,VOE降低了5.9%。在本地数据集上肝脏分割结果的DSC、VOE分别是0.895、0.552,肝肿瘤分割结果的DSC、VOE分别是0.589、0.706。结论本文提出的Res-Swim-UNet模型可以有效提高CT图像中肝脏和肝肿瘤的分割效果,且该模型在迁移到本地数据时仍具有较高的分割精度。该模型可以用于提高医生勾画靶区的效率。

主 题 词：肝脏 肝肿瘤 自动分割 3D UNet深度神经网络 Swim Transformer模块 

学科分类：0831[工学-公安技术类] 100207[100207] 1006[医学-中西医结合类] 1002[医学-临床医学类] 1001[医学-基础医学] 08[工学] 1010[医学-医学技术类] 100106[100106] 100602[100602] 10[医学] 

D　O　I：10.3969/j.issn.1674-1633.2023.01.009

馆 藏 号：203117911...