邓媛媛

北方民族大学计算机科学与工程学院 宁夏 银川 750021

引言

肝癌(liver cancer, LC)是临床上最常见癌症之一[1]，对患者及其家属的生活质量造成了极大威胁。目前，治疗肝癌最有效的手段是手术切除，稳定、快速和精准的肝脏分割算法已经成为业界的一大研究热点。VNet网络[2]是一种3D纯神经网络，能够充分利用3D数据的空间特征信息。但一般训练时间较长。为了节省GPU内存和计算量，同时结合层间信息。本文使用3个连续的2D图像拼接作为预训练，使用不同的两个卷积核代替常规卷积，分别提取层内信息和层间信信息。同时在跳跃连接部分加入链式残差池化模块，获得更多的特征信息。

1 本文方法

1.1 模型概述

本文提出一种改进的VNet网络，将相关切片和与它相邻的两个上下切片作为网络的输入，以中间切片作为输出结果。训练过程中使用1×3×3和3×1×1的卷积核分别用来提取层内信息和层间信息，不仅利用了医学数据的三维空间信息，而且避免了三维卷积神经网络产生的大量计算，同时缩短了训练时间。为了能充分利用高层和低层的语义信息，本文在VNet的跳跃连接部分加入两个带有池化和卷积操作的链式残差池化模块CRP（Chained Residual Polling）[3]，如图1。该网络使用1×5×5，padding为2，stride为1的卷积核进行池化操作，保证最后输出图像尺寸与原始图像尺寸一致。池化后接卷积操作，将输出的结果作为下一个池化卷积模块的输出，最后将两次得到的特征图进行融合。本实验在已有的网络模型中做了细微的调整，在每个卷积层之后加入批归一化BN（Batch Normalization, BN）和Dropout操作。……