王雅丽

（西南民族大学电子信息学院，成都 610225）

0 引言

对现今的医学工作者来说，腹部器官分割在研究腹部器官病变时具有不可或缺的辅助作用［1］，是利用计算机进行辅助诊断、手术导航、三维重建以及后期治疗的重要步骤［2］。

腹部CT 的精确测量，包括器官体积、形状和位置，能够帮助医生快速做出精确的诊疗。由于视野（FOV）很小，而且没有方向，特别是对于资历尚浅的医生来说，器官的定位十分困难［3］。针对上述问题，用于腹部多器官的图像引导技术可以帮助提供方向和跟踪线索，甚至在FOV 之外。为了帮助器官导航和跟踪，我们需要对多个器官进行分割，如胃肠器官、胰腺和相邻器官。然而，对腹部CT 图像进行多器官自动分割依然具有挑战性。首先，腹部器官周围的软组织、大的变化和变形使患者的器官大小和形状明显不同［4］。其次，每个相邻器官之间的低强度对比［5］，为手动描绘相邻器官之间模糊的边界增加了难度。腹部CT 图像中的器官通常与周围器官具有相似的强度，尤其是在非对比增强数据中。现如今随着计算机性能的提升，深度学习已被证实在医学图像分割中非常有效，即使在低强度对比图像中也是如此［6］。深度学习能够实现更好的图像分割、目标检测及三维重建。但是，目前大都是对腹部单一器官进行分割，对于腹部多器官自动化分割的研究还尚浅，值得深入研究。

在本文中，为了更好地获得腹部器官的细节信息，提出了一种基于改……