基于组合 U-Net 网络的 CT 图像头颈放疗危及器官 自动分割

CT 图像头颈分割面临着以下难点：CT 图像的低对比度导致边界不清,图像扫描间距过大导 致冠状面和矢状面图像分辨率低,头颈中待分割的 22 个器官对于神经网络构建建模的需求不同,且由于存在极小器官造成了类间不平衡。为解决上述问题,该文提出一种 U-Net 组合模型——由 3 种 U-Net 模型组成,分别是 2D U-Net 模型、3D U-Net 模型及 3D-small U-Net 模型。其中,2D U-Net 模型用于厚层图像的分割,3D U-Net 模型利用三维空间信息,3D-small U-Net 模型用于分割最小的两个器官以解决类不平衡问题。该方法在 MICCAI 2019 StructSeg 头颈放疗危及器官分割任务中取得了第 2 名的成绩,平均 DSC 系数为 80.66%,95% 豪斯道夫距离为 2.96 mm。