纪建兵 姚剑敏

摘要：为解决CT图像中胰腺组织自动分割难题，提出基于深度学习的分割方法;对图像数据进行预处理，采用Dice损失函数及Sgdm梯度下降法来训练网络;以Medical Segmentation Decathlon公开数据集进行实验，实验平均分割准确率为0.8469;结果表明，分割算法达到了较高的准确率。

关键词：深度学习;胰腺;分割

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2020）01-0065-02

0 引言

从CT断层扫描图像中分割出胰腺区域并进行三维成像，对于准确制定手术方案具有重要作用。因胰腺组织在图像上无明显特征，与相邻的器官的像素极为相似，且不同人的形状、大小和位置均不一致，自动分割具有很大挑战性。2013年Wang Xin[1]等人提出基于统计模型的胰腺分割算法，该法仅适用于正常胰腺的分割。近年来，深度学习网络在图像自动分割领域展现出了巨大优势，研究以Vnet[2]深度学习网络为基础对胰腺進行全自动体分割，输出分割的三维二值矩阵可用于三维可视化。

1 Vnet

Vnet是三维全卷积网络，成左右对称结构。左半部分为下采样，即特征提取过程，由卷积单元和卷积池化层组成，层数为5层，每一层包含1-3个卷积单元，通道数从16按倍数增加至256。右半部分为上采样，即特征重构过程，由反卷积层和卷积单元组成，层数为4层，卷积单元及通道数与左侧对称。卷积单元用于提取图像特征，卷积池化用于数据降维，反卷积用于恢复图像尺寸。

卷积单元由Conv-BN-PReLU组成。Conv为卷积，本文使用了步长s为1的5x5x5卷积核和步长s为2的2x2x2的卷积核，两组卷积核均……