李佳昇，郭树旭，张 磊，郑 爽，张惠茅，邱云海，李雪妍

1.吉林大学 电子科学与工程学院，长春130012

2.吉林大学第一医院 放射科，长春130021

约50%的结直肠癌患者会发生肝转移。治愈性肝切除术为患者的治愈和延长生存期提供了机会。采用保守治疗的患者5 年生存率约为5%。相比之下，那些进行治愈性肝切除的患者的5 年生存率约为40%[1-3]。是否进行治愈性肝切除，需要一个多学科决策系统来评估。临床上根据《实体瘤反应评估标准指南（RECIST 1.1）》来量化转移性肿瘤的程度[4]。评估内容包括肿瘤的数目、大小和在肝脏中的分布等。在肿瘤切除术之前或之后都要对患者进行胸部、腹部和骨盆CT检查[5]。随着精准医学综合治疗技术的发展，以往放射科医生对影像主观评价的局限性越来越凸显。机器学习技术在医学影像分析领域中的应用越来越广泛，特别是卷积神经网络（CNN）在医学影像分割、分类和检测等任务中的应用[6-9]。

Kim等人[10]提出了一种改进的Cycle GAN模型，其中多相位的U-Net作为生成器，用于分割肝脏和肝脏肿瘤。Sun 等人[11]设计了一种多通道全卷积神经网络（MC-FCN）模型，通过独立训练不同时期的对比增强CT 影像，并将高维特征组合在一起来分割肝脏肿瘤。Han[12]提出了一种32层的CNN模型，并利用长程连接操作和ResNet短程残差连接，将五张相邻的切片（尺寸为320×320）组成2.5 维的结构并作为输入，生成与中心切片相对应的分割图像。在文献[13]中，提出一种基于2 维CNN 的全自动肝脏CT 影像分割方法，该方法将ResNet模块作为短程连接，并进行基于形态学的后处理从而减少肿瘤的分类错误率。……