基于半监督的 3D 肝脏 CT 自动分割方法研究

来源：计算机技术与发展杂志2023年第09期北京时间：

作者：谢宏彪;刘志勤;王庆凤;黄俊;陈波;周莹

单位：1. 西南科技大学 计算机科学与技术学院,四川 绵阳 621010;2. 绵阳市中心医院,四川 绵阳 621010

摘要：肝癌是常见癌症之一,有着较高的死亡率,精准分割肝癌区域是辅助诊断治疗的重要前提。 然而肝脏 CT 图像需要专业的医师进行标注,有标签数据较少,获取途径单一。 针对分割腹部肝脏 CT 图像需要大量高质量标签并且较难获取的问题,提出了一种采用协同训练的半监督学习分割方法。 首先,将有标签数据输入 3D U-Net 和 3D Res U-Net 进行有监督训练,保存训练得到的两个分割模型,在两个分割模型中分别对无标签数据进行预测;然后,挑选预测的结果,再加入全连接条件随机场处理挑选出的伪标签,细化伪标签的边缘信息,提升伪标签的精确度;最后,加入到训练集中,重复上述步骤直到分割结果的 Dice 相似系数停止提升时结束训练。 实验在 LiTS2017 Challenge 肝脏数据集上进行测试,结果表明,在有标签数据集占总数据集的 30% 时,该方法的 Dice 值达到 90. 22% ,几乎与全监督 3D Res U-Net 分割结果持平,说明该半监督学习方法是有效的。

关键词：协同训练;肝脏分割;半监督学习;全连接条件随机场;U-Net