宋颖超 梅礼晔 张俊华 王嘉庆 蒋 毅

1(云南大学信息学院 云南 昆明 650504)2(武汉大学工业科学研究院 湖北 武汉 430072)

0 引 言

淋巴结是人体内产生免疫应答的重要器官，淋巴结异常通常表明其属区范围内发生了病变，因此重要的是根据淋巴结的分布来诊断相关疾病的淋巴结，特别是对于某些传染病的诊断[1]。对淋巴结检查的各种方法中，超声成像技术具有准确性、实时性、无辐射性及廉价性等优点，是淋巴结检查的首选影像方式。淋巴结超声图像的分割是后续量化的基础，但因为淋巴结超声图像中存在着不可避免的噪声，常规的方法难以准确地分割，后续量化就难以得到正确的结果，所以要采用一定的方法对淋巴结超声图像进行分割。

目前，有很多关于淋巴结图像分割的研究方法。朱长明等[2]采用谱聚类集成的超声图像分割算法对淋巴结超声图像进行分割。刘露等[3]采用交互式分割从CT图像中提取出肿大淋巴结。张艳玲等[4]采用最大类间方差与形态学对盆腔淋巴结CT图像进行了分割。Zhang等[5]提出一种改进的模糊聚类算法对淋巴结图像进行分割。魏骏等[6]采用遍历阈值算法对颈部淋巴结进行半自动分割。Kuo等[7]提出了一种利用图像嵌套结构的新方法，即嵌套图切法对淋巴结超声图像进行分割。传统方法在分割时会产生较多的伪边缘。

近年来，随着深度学习的发展，越来越多的人开始将深度学习应用到图像分割中。卷积神经网络[8](Convolutional neural network,CNN)是图像分类及分割中最常用的一种方法，有较好的特征提取能力，但是其训练及预测时速度慢、耗时久，存在着大量冗余计算，像素块的大小限制了感知区域的大小。……