基于HRNet的胃肠道图像分割方法的设计与实现.pdfVIP

技术应用ＴＥＣＨＮＯＬＯＧＹＡＮＤＭＡＲＫＥＴ

Ｖｏｌ．３１，Ｎｏ．１，２０２４

基于ＨＲＮｅｔ的胃肠道图像分割方法的设计与实现

凌飞，吴延凯

河南工业职业技术学院，河南南阳４７３０００

摘要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（ａｔｒｏｕｓｓｐａｔｉａｌｐｙｒａｍｉｄｐｏｏｌｉｎｇ）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ＤｉｃｅＬｏｓｓ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。

关键词胃肠道图像分割；ＨＲＮｅｔ；ＡＳＰＰ；轻量化网络

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６８５５４．２０２４．０１．０１０

作为第一阶段始，逐步增加高分辨率到低分辨率的子

０引言

网，形成更多的阶段，并将多分辨率子网并行连接。

截至２０２２年底，全球有６００多万人被诊断出患在整个过程中，通过在并行的多分辨率子网络上反复

有消化道癌症，在这些患者中，约有一半符合接受放交换信息来进行多尺度的重复融合，最后通过网络输

射治疗的条件，在放射治疗的过程中须避开肠道和出高分辨率来生成对应的掩码，得到精确的图像类别

胃。传统方式须借助先进仪器成像体内结构，并手动信息。

勾画出胃和肠道的位置，耗时且劳动密集，但胃和肠１２轻量化网络

道的位置每天都在发生着变化，因此增加了医疗工作网络模型性能的提升伴随着网络模型参数量和

量，降低了患者的医疗体验。计算量的增加，这会导致硬件成本的提升、实时性的

本文提出使用语义分割模型ＨＲＮｅｔ精确定位胃降低，而模型加速的方法主要包括轻量化模型设计、

和肠道的掩码，然后对掩码进行开、闭运算去除成像模型压缩与剪枝、知识蒸馏这３种方法。

中的噪点和被误分的小块，得到胃和肠道的连通域，轻量化模型是在保持模型骨干网络精度的基础

从而给出精确的边缘信息。使用该方法能够替代医上，通过降低神经网络的深度或宽度，从而降低模型

务人员进行医疗影像中胃肠道区域分割，使癌症患者的参数量和计算量。Ｚｈａｎｇｅｔａｌ．提出ＳｈｕｆｆｌｅＮｅｔ，该

得到有效治疗的同时，降低了治疗时间。结构利用分组逐点卷积和通道重排的方式提高了模

［２］

型的推理速度，使其可以达到移动端运行的要求；

１相关技术

２０１７年Ｈｏｗａｒｄｅｔａｌ．提出将常规卷积替换为深度可

１