陈诗琳，李淑龙，马建华

南方医科大学生物医学工程学院/广东省医学图像处理重点实验室，广东广州 510515

基于医学影像的身体部位识别（BPR，Bodypart Recognition）旨在准确定医学影像所属身体部位（例如，头部、胸部或腹部等），是许多医学影像分析算法的预处理步骤［1-2］。近几十年来，学者们研发了大量医学影像分析算法以辅助医生进行临床诊断和治疗决策［3-4］，例如，病灶检测算法［5］、器官分割算法［6］等。不同的医学影像分析算法通常需要结合不同解剖结构的先验知识（例如，器官形状）进行设计［7-8］。因此，在执行特定的医学影像分析算法之前，首先需要识别医学影像中包含的身体部位信息以获取先验知识。此外，给定具体的身体部位信息可以减小分类、分割等医学影像分析算法的搜索范围，从而提高算法的速度以及鲁棒性［9］。再者，放射科医生希望在阅片前能针对特定部位减少冗余信息以加快阅片速度。因此，能自动筛选感兴趣部位的身体部位识别算法尤为重要。然而，目前身体部位识别仍是一项艰巨且值得研究的任务［10-11］。

医学影像种类良多，其中包括计算机断层扫描（CT，Computed Tomography）［12］、磁共振成像（MRI，Magnetic Resonance Imaging）［13］以及正电子发射断层扫描计算机断层扫描（PET-CT，Positron Emission To⁃mography-Computed Tomography）等。由于自身优势，CT 相对其他医学影像技术有更为广泛的临床应用。一般而言，CT图像的DICOM 头文件中含有身体部位信息［14］。对于非全身CT扫描，学者们可以通过对DI⁃COM 头文件进行文本检索来实现身体部位识别（例如，胸部CT和腹部CT等）。然而，DICOM 头文件中的身体部位信息存在大约15%的错误，从而限制了使用文本检索身体部位的准确性［15］。……