基于深度学习的医学图像分割技术研究进展

  随着医疗科学技术的快速发展，医学影像已成为医生了解、分析病情的重要参考信息，在诊断疾病、评估治疗等方面发挥着重要作用。全球医学影像信息量在全世界信息总量中占 20% 以上［1］。医学领域形成了不同的医学成像技术，包括计算机断层扫描( Com-puter Tomography，CT) 、核磁共振成像( Magnetic Ｒeso-ance Image，MＲI) 和超声成像等。医学图像分割是从医学影像中识别病变器官的像素点，旨在获取这些病变部位的信息特征，在医学图像分析任务中具有一定的技术难度［2］。医学图像分割方法在发展的过程中形成了不同的分割算法，包括: 基于灰度阈值的分割算法、基于边缘检测的分割算法、基于区域的分水岭分割算法以及结合特定理论的分割算法等［3］。随着计算机硬件性能的迅速提高，深度学习方法应运而生，在图像处理任务中展现出强大能力。深度学习的本质是将大量数据样本输入构建的多层机器学习模型之中，学习对象的特征信息，最终提高分类精度［4］。基于深度学习的图像处理技术优势明显，已成为研究热点之一。Shen 等人总结了各种医学图像分析方法［5］。微软团队 He 等人提出了残差网络架构，有效地解决了神经网络梯度弥散的问题［6］。Prathiba等融合多种网络结构，构造出的深度残差全卷积网络( Fully Convolutional Ｒesidual Network，FCＲN) ，在皮肤镜图像中自动分割黑色素瘤效果显著［7］。文献［8］总结了深度学习在医学图像分割、检测、分类、配准、检索等多个方面的研究［8］。本文主要探讨深度学习医学图像分割技术在脑组织、肺部和血管等分割任务之中的应用，分析了目前基于深度学习的医学图像分割技术面临的问题和应对策略，并对今后的发展方向进行了展望。

  医学图像是指为了方便医学研究，对人体器官以非侵入方式扫描照射所取得的内部组织影像。在医学成像系统中，按照成像设备和成像机理的不同可以将医学图像分为 CT 图像、MＲI 图像及超声成像等。

  1.1 电子计算机断层扫描图像

  电子计算机断层扫描的原理是利用高灵敏度的探测器和精准的射线对人体器官组织按照一定厚度的断截面进行分层扫描，将得到的电信号经过模数转换器转换为可以被计算机识别的数字信号。在图像处理过程中，将选定层面分成若干个体积相同的长方体，即体素［9］。CT 图像可以根据人体器官组织对射线吸收能力的不同，通过不同灰度等级显示人体器官组织密度的高低。但 CT 图像无法提供清晰的软组织和病灶影像，具有一定的局限性。

  1.2 MRI 图像

  磁共振成像，又名核磁共振成像。

核磁共振成像与其它断层成像技术都能够再现各种物理量的分布特征信息。相比 CT，磁共振成像能更好地可视化，更精确地定位和区分肿瘤和正常软组织器官。动态对比度增强 MＲI 具有非侵入方式评价整个肿瘤区域的能力，已应用于肿瘤学相关领域［10］。核磁共振成像的空间分辨率可以达到亚毫米级别，能够提供非常清晰的人体软组织解剖结构和病灶影像。但其缺点在于无法获取骨性组织影像，自动分析技术也有一定的困难。

  1.3 超声图像

  超声成像的工作原理是通过超声束对人体进行照射扫描，利用扫描之后产生的信号重现人体器官组织影像。三维成像、超声生物显微镜、穿透式超声成像等进一步丰富了超声成像技术。超声成像可确定人体器官组织的位置、大小、形态以及病灶的范围和物理性质［11］; 超声成像还可以提供身体组织的解剖图像，鉴别胎儿发育是否正常，被广泛地应用于消化系统、泌尿系统、心血管系统疾病的诊断中，已成为一种非常重要的医学成像技术。除了以上几种常用的医学图像，还有很多其他的医学图像，例如病理光学显微镜、正电子发射计算机断层显像等。这些图像彼此之间各有优势，相互补充，在疾病的诊断和病灶区域的治疗方面发挥了重要的作用。

  传统神经网络进行图像分割的策略为将逐个像素及其邻域输入到卷积神经网络中进行训练和预测。这种方式的弊端在于需要很大的存储开销，不仅计算量大、效率低下，而且邻域的大小限制了感受野的范围，降低了特征提取能力。针对这个问题，加州大学伯克利分校的 Long 等人提出将全卷积网络( Fully Convolu-tional Network，FCN ) 用 于 图 像 分 割［12］。该 网 络 以Alex Net［13］网络结构为基础，将全连接层全部转化为卷积层，通过上采样的方式增加特征图的维度。全卷积网络的创新在于样本图片尺寸不再受到限制，适用性更加广泛，减少了冗余结构，运行效率更加高效。但是该方法的缺点在于图像细节信息会有所丢失，分割精度有待进一步提高。Ｒonneberger 等在 FCN 思想的基础上，提出 U － net 网络架构［14］。该网络结构由编码阶段和解码阶段组成，在编码过程中，下采样图像提取图片特征; 解码过程中，对图片进行上采样，以便逐步恢复图片的大小。编码阶段连续的卷积核和池化操作丢失了图片的部分特征信息，但是在解码阶段上采样之后的特征图与跳跃连接的前端信息相融合，丰富了图像的细节特征，已应用在对神经元、细胞瘤和 He La细胞的医学图像分割任务中。在此之后，Milletari 等提出了一个专为 3D 医学图像分割设计的改进型 U －net，称之为 V － net。该模型采用 3D 卷积技术和置信度分割指标，使之更适用于医学图像分割［15］。2018年，Zhou 等人对 U － net 网络结构进行了创新，提出U － net + + 网络结构［16］。相对于原来的 U － net 网络，U － net + + 把 U － net 网络结构的前 4 层连接在一起，通过特征叠加的方式整合，让网络自身去学习不同深度的特征权重。U － Net 的变体被用于不同的医学图像分割任务中，然而多次池化和跨度卷积操作降低了图像的特征分辨率，学习的特征表达更为抽象，不利于需要详细空间信息的密集预测任务。Gu 等人于 2019 年提出一种上下文编码网络 CE－ Net( Context Encoder Network) 用于 2D 医学图像分割。该网络捕 获更 多 高 级信 息 并 保留 空 间 信 息 特征［17］。该网络包含 3 个模块: 特征编码模块、上下文提取模块和特征解码模块。特征编码模块使用预先训

练好的残差网络作为固定特征提取器，利用迁移学习将预训练权重加载到网络之中，可以加速网络训练过程，并通过微调的方式进一步优化结构参数。上下文提取模块由密集空洞卷积和残差多尺度池化组成。空洞卷积模块用来提取图像丰富的特征表达，多尺度池化模块用来进一步获取上下文信息，二者结合可以捕获更多抽象特征并保留更多空间信息，提高医学图像分割的性能网络结构在视神经盘、视网膜血管、肺部、细胞轮廓等多个医学图像分割任务中取得了良好的分割结果。由表 1 可以看出，在深度学习分割技术的发展过程中涌现出了很多经典的卷积神经网络框架，这些高效的网络模型相互借鉴，融合了多尺度信息，可对卷积神经网络的宽度和深度层面进行探索，分别形成了 In-ception 结构和残差网络结构。网络结构朝着更丰富、更准确方向发展的同时，也有不少团队致力于精简网络结构，通过加深特征融合，减少计算复杂度，避免不必要的内存消耗，提高了图像的分割精度。

  3 深度学习在医学图像分割上的应用