薛 亮，姚光宇

（复旦大学附属中山医院，上海 200032）

0 引言

医学图像分割作为机器人辅助诊疗肺部疾病的关键技术之一，该技术的发展对于病症的识别诊断意义重大。近年来随着人工智能技术在医学图像分割领域的广泛应用，使得诸如眼底视网膜疾病识别、胰腺分割识别等领域获得了极大的发展。虽然基于深度学习的方法在上述领域获得了一定的成功，但是该类模型也存在一定的不足例如模型的训练需要大量人工标注好的数据集，人工标注的过程不仅枯燥繁复，而且模型大大的限制了在缺乏大量原始图像的领域的应用和推广。

针对上述问题本文提出了基于视觉显著性检测的器官分割模型，该模型首先利用视觉显著性检测算法对医学图像进行显著性检测，然后将检测结果进行正负样本划分，最后将划分结果输入到分类器中对分类器进行训练。该模型克服了深度学习模型需要大量人工标注数据的问题，简化了模型训练的过程。模型的框架如图1所示。

图1 算法框架

1 图像增强

在医学领域中，由于深度学习模型缺少具有特定图像特征的图像数量，因此我们为了获取足够多的数据对分类器进行训练，需要根据现有图像特征进行图像增强与图像变换。图像变换的方法采用的是基于非刚性变换的方法生成，具体方法参考文献[1]。

2 显著性检测模型

显著性检测模型主要分为三步：1）初始显著性检测结果的获取；2）在多源初始显著性检测结果中提取前景和背景区域，并计算区域特征差异性和连通性；……