宋宇宸，彭昭，吴昊天，周解平，皮一飞，陈志，裴曦

1.中国科学技术大学放射医学物理中心，安徽合肥230027；2.安徽慧软科技有限公司，安徽合肥230000；3.中国科学技术大学附属第一医院放疗科，安徽合肥230001；4.郑州大学第一附属医院放疗科，河南郑州450052

前言

近年来，胸部恶性肿瘤（乳腺癌等）发病率逐年增加，放疗已被广泛应用于胸部恶性肿瘤的治疗。其中，心脏作为最重要的胸部危及器官，其照射剂量必须受到严格限制。因此，心脏分割是胸部恶性肿瘤放疗的关键环节。然而，由于心脏周围解剖结构复杂，心脏分割仍具有很大挑战。目前，临床使用的主要分割方法是医生手动分割，可获得精确的结果，但十分耗时。手动分割的局限性促使研究人员继续开发用于心脏分割的辅助分割方法。目前的器官辅助分割方法主要有基于统计模型的方法［1-2］、基于图谱的方法［3-5］以及基于深度学习的方法，包括基于U-net的方法［6］、基于FCN的方法［7-9］、基于CNN的方法［10-12］及基于其他网络的方法［13-14］等。其中，基于深度学习的方法因其准确率高、效率高而被广泛应用。U-net［7］最初在MICCAI 2015被提出，并成为器官分割任务的主要基础网络，该网络改进了全卷积网络［15］，完善了扩展路径，将多通道卷积与特征金字塔网络的结构相结合，大大提高了器官分割的准确率；3D U-net在U-net基础上增加医学影像的三维信息，在小体积器官的分割任务中表现出色［16］。深度学习为医学图像处理做出很大贡献，在图像分割任务中表现最优。但是这些方法对心脏的下边缘部分的分割精度不够高。……