WSC-Trans：一种用于颞骨 CT 多结构自动分割的 3D 网络模型

人工耳蜗植入目前是重度耳聋患者最有效的治疗方法，但掌握人工耳蜗植入极具挑战性，因为颞骨具有极为复杂且微小的三维解剖结构，手术时避免损伤相应结构十分重要。术前需利用 CT 确定目标区域内相关解剖组织的空间位置。考虑到目标结构过小且复杂，手动分割耗时过长，快速准确地分割颞骨及其邻近解剖结构极为困难。为克服该困难，我们提出一种基于深度学习的算法，一种用于颞骨 CT 中多结构目标自动分割的 3D 网络模型，可自动分割耳蜗、面神经、听结节、前庭和半规管。该算法结合 CNN 与 Transformer 进行特征提取，并利用空间注意力与通道注意力机制进一步提升分割效果；与多种现有分割算法的实验对比结果表明，所有目标解剖结构的 dice 相似系数、Jaccard 系数均显著更高，而 HD95 与 ASSD 分数更低，有效证明我们的方法优于其他先进方法。