王 岩，董方旭

(河南理工大学 计算机科学与技术学院，河南 焦作 454150)

E-mail：2360992792@qq.com

1 引 言

肝肿瘤是消化系统常见的恶性肿瘤，在全世界致死癌症中排名第2，保守估计肝癌的发病死亡率为0.95[1].尽早的定位病灶区域并进行针对性的治疗能够极大的提高病人的存活率.在对肝瘤的早期诊断、规划治疗中，计算机断层扫描(CT)图像分析是主要的诊断工具之一.在临床实践中，常由经验丰富的放射科医生从CT图像中手工分割出肝瘤区域.但这一过程耗时耗力，且分割结果会受到医生的主观因素影响，导致在很多情况下产生的结果相对不准确.为了减轻医生负担，研究人员在过去的几年间提出了许多利用计算机辅助诊断的方法.尽管如此，但从CT图像中精准的勾画出肝肿瘤区域仍然存在一些困难，例如：肝脏和其他器官之间的界限模糊、对比度低，肿瘤位置、大小及形状存在差异等.故此，发展一种可应用于临床的肝肿瘤靶区勾画算法有着切实的研究意义.

目前，图像分割算法根据实现分割的技术进行分类，大致可分为传统方法和基于深度学习的方法.传统的方法依赖数学公式推导实现分割，如Foruzan等[2]提出了一种基于sigmoid边缘模型的低对比图像分割算法，首先运用支持向量机、分水岭和分散数据近似算法获取肝脏肿瘤粗略分割结果，然后采用 Sigmoid 边界模型对分割结果进行细化.Wu 等[3]提出了一种基于改进的模糊 C 均值(FCM)和图割的肝脏肿瘤半自动分割方法，首先根……