基于多尺度特征融合的肝脏CT图像分割方法研究.pdfVIP

摘要

在当今社会，肝癌的发病率逐年上升，已成为全球范围内的重要公共健康问题。根

据世界卫生组织国际癌症研究机构（IARC）统计，2022年肝癌在我国的发病率升至第四

位，死亡率仍居第二位。这一现象凸显了精准诊断与治疗肝癌的迫切需求。CT图像因其

高分辨率的肝脏结构信息，成为识别肝脏病变区域的重要工具。基于CT图像的肝脏准确

定位与分割，对于肝癌的早期诊断、分期评估和个性化治疗至关重要。然而，CT扫描过

程中由于呼吸周期性运动，导致肝脏在CT图像中的位置相对不固定。并且肝脏区域与周

围器官（如胃、肠道和肺等）接壤紧密，边界较为模糊，增加了分割的难度。

针对肝脏CT图像分割过程中的难点，本文提出了两种基于多尺度特征融合的肝脏分

割模型。并结合实际应用需求，设计并实现了一套肝脏图像分割系统。具体研究内容如

下：

（1）针对肝脏CT图像中边界复杂模糊导致分割精度降低的问题，本文设计并实现

了3DMAU-Net网络。该模型通过利用高低级特征融合块（3DHLBlock），融合浅层细节

信息与深层语义信息，使网络能够同时关注肝脏区域的局部细节和全局结构，增强网络