张浩洋，尹梓名，乐珺怡，沈达聪，束翌俊，杨自逸，孔祥勇，龚 伟

（1.上海理工大学健康科学与工程学院，上海 200093; 2.上海交通大学医学院附属新华医院普外科，上海 200092）

0 引 言

胆囊癌［1］是一种由恶性肿瘤引起的、病变于胆囊黏膜上皮细胞的癌症，其癌变部位［2］无明显临床表现，易恶变转移。患者就医时往往因发现较晚而失去手术机会，即使手术，大部分预后情况也较差，5 年生存率仅占比5%左右［3］。

胆囊癌的诊断需要依赖于增强计算机断层扫描（Computed Tomography，CT）影像，但是由于胆囊本身体积较小、易发生严重的形变，且胆囊的癌变部分形态具有多样性［4］（1、胆囊壁增厚在CT 中主要表现为胆囊壁在不同切片上不规则增厚；2、腔内单发或多发结节表现为胆囊内部的灰色凸起结节；3、肿块充满整个胆囊，CT 中表现为白色结石或灰色质充满；4、癌变部位侵袭到临近肝脏组织），因此，依靠人工分析耗时耗力，难度较大，易出现误、漏诊的情况。

近年来，随着深度学习技术不断深化应用于医学图像语义分割，取得了一系列重要的新进展和成就。Maji 等［5］在Res-UNet 基础上提出了带有引导解码器的网络ARU-GD，在脑肿瘤分割中表现良好；Lee等［6］提出了一种具有多尺度网格平均池化的通道注意力模块用于乳腺癌分割；Fan 等［7］提出了PraNet 网络基于并行反向注意力机制对结肠镜中的息肉进行分割等。如果将这些不同模型中的新技术，尤其是以编码-解码结构为基础的深度学习模型架构，应用于胆囊癌分割，预期可有效提高胆囊癌的分割精度。……