基于三维卷积神经网络集成与解剖先验引导的纵隔淋巴结分割

随着肺癌的发展，必须评估肿大且可能恶性的淋巴结的存在，以正确估计疾病进展并选择最佳治疗策略。遵循临床指南，短轴直径和纵隔分站的估计对于正确诊断至关重要。因此，一种准确且自动的分割方法对于定量描述淋巴结具有决定性意义。本研究探讨了三维卷积神经网络的使用，无论是通过切片式方案还是利用下采样的整体体积。此外，还考虑了简单集成策略的潜在影响。由于淋巴结与邻近解剖结构具有相似的衰减值，我们建议利用其他器官的知识作为先验信息来引导分割任务。为评估分割和实例检测性能，在包含120个对比增强CT体积的数据集上采用了5折交叉验证策略。对于1178个短轴直径 $\geq10$ mm的淋巴结，我们性能最佳的方法达到了患者级召回率92%、每患者假阳性数5以及分割重叠率80.5%。该方法在各分站上表现同样良好。在集成方案中融合切片式与全体积方法产生了最佳性能。解剖先验引导策略是有前景的，然而似乎需要多于四个器官的集合才能产生最优收益。鉴于淋巴结可能表现出的广泛表达（即形状、位置和衰减）以及对比剂摄取差异，更大的数据集也是必需的。