张 娜,张永寿,李 翔,丛金玉,李徐周,魏本征

(1 山东中医药大学 智能与信息工程学院，山东 济南 250355；2 解放军第960医院医学 工程科，山东 济南 250031；3 山东中医药大学 医学人工智能研究中心，山东 青岛 266112；4 山东中医药大学 第一临床医学院，山东 济南 250355；5 山东中医药大学 青岛中医药科学院，山东 青岛 266112；6 山东青年政治学院 信息工程学院，山东 济南 250103)

膀胱癌是起源于膀胱尿路上皮的一种恶性肿瘤，其发生率位居我国泌尿系统肿瘤的第1位[1]。据统计，男性患该病的可能性约是女性的4倍。我国男性膀胱癌患者的发生率位于恶性肿瘤第7位，并且呈逐年增长的趋势[2-4]。

临床中，膀胱癌的诊断以膀胱镜检查为主，但该方法属于有创检查，且存在对微小肿瘤不敏感、无法确定肿瘤对膀胱壁的入侵情况等缺点[5-6]。MRI因其在组织对比度和软组织分辨率上的优越性，已成为膀胱癌辅助诊断的主要工具之一[7-9]。但在膀胱癌MRI图像中，存在肿瘤区域相对较小、边界不清晰、肿瘤分布不连续等问题(如图1所示)，给肿瘤区域分割工作增加了难度。因此，开发快速且精准的膀胱癌MRI图像分割算法辅助临床诊断，成为一个热点问题。

图1 膀胱癌分割中的挑战

近年来，膀胱癌图像分割算法已经取得了一些进展。一些学者采用耦合方向水平集、形态学特征等传统方法对膀胱癌进行分割，但分割精度仍有待提升。此外，部分学者对U-Net算法进行改进来分割膀胱癌图像，改进方式包括在编码层增加空洞卷积或深度可分离卷积等，分割效果显著。……