张丽娟， 章 润， 李东明， 李 阳， 王晓坤

(1. 长春工业大学 计算机科学与工程学院，吉林 长春 130012；2. 吉林农业大学 信息技术学院，吉林 长春 130118；3. 空军航空大学 航空作战勤务学院，吉林 长春 130022)

1 引 言

CT是无侵害性的器官体外成像手段，由于其成像速度较快、分辨力较高、效果较好，已经成为临床医生进行医疗诊断不可或缺的重要手段。在肝脏疾病的诊断中，可视化技术与医学图像分析占有主导地位。通过对肝脏CT图像进行分割，提取出肝脏组织并获得相应的特征信息，医生可以很直观地了解患者肝脏内部的详细情况，对诊断及下一步治疗计划的制定起到关键作用。

半自动分割方法[1]使用浅层图像特征和用户交互，以边界框或涂鸦的形式进行交互以执行分割。早期的区域相似性分割[2]、图切割[3]、归一化切割[4]、测地线[5]和其他基于图形的随机游走[6]已应用于2D分割，在某些情况下还应用于3D分割。当要分割的区域相当均匀并且可以通过低层次特征(例如边缘、相邻像素之间的强度差和其他局部信息)准确捕获其特征时，半自动方法可以提供良好的分割效果；但在更复杂的环境中，由于浅层特征被限制，这些方法需要大量的用户交互才能提供足够质量的细分结果。最近，具有编码-解码架构的全卷积神经网络(FCN)[7]在全自动分割领域获得最优秀结果，能有效完成2D[8-10]和3D[11-12]分割任务。尽管已证明这些方法及其后续方法[13-15]可以在公开的数据集上提供最优秀的性能，但它们并未提供用户交互的手段。……