在进行胃肠道癌症治疗的过程中,肿瘤学家须借助医疗设备对肿瘤和肠道位置进行可视化,然后手动勾画出胃和肠道的位置,以便调整 X 射线束的方向,增加向肿瘤输送的剂量并避开胃和肠道,但是这些位置每天都在变化,且过程耗时费力.如何借助深度学习技术替代放射肿瘤学家进行自动化分割,以降低治疗时间,减轻患者等待过程中的疼痛,这是一个亟须解决的问题.基于此,提出基于HRNet的胃肠道图像分割方法.首先,选用HRNet作为基础模型,在HRNet模型的head部分引入ASPP(atrous spatial pyramid pooling)模块,提高模型捕获多尺度信息的能力,提高检测精度;其次,在主干网络中引入轻量化 MobileNetV2 结构,提高模型的实时性,同时,使用Dice Loss 替代交叉熵,增强模型检测困难样本的能力;最后,在UW-Madison数据集上验证模型的有效性.结果表明:该模型能够精确提取胃肠道轮廓,且具有较好的泛化性能,能够替代人工自动化完成胃肠道影像分割工作.
NETL
NSTL
万方数据
维普
