3 医学图像分割

目前，在医学图像分割中深度学习的应用最为广泛。主要有FCN(卷积神经网络),U-net神经网络和RNN（循环神经网络）。

3.1 FCN

通常CNN网络在卷积层之后会接上若干个全连接层,将卷积层产生的特征图映射成一个国定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务,因为它们最后都期望得到整个输入图像的一个数值描述(概率),而FCN对图像进行像素级的分类，解决了语义级别的图像分割问题。全连接层换成了卷积层,可以接受任意尺寸的输入图像，采用反卷积对卷积层的特征图进行采样,使它恢复到输入图像相同的尺寸,从而可以对每个像素都产生了一个预测,同时保留了原始输入图像的空间信息,然后在上采样上的特征图进行逐像素分类,最后逐个像素计算softmax损失,相当于每个像素对应一个训练样本。

王娜[4]等人提出一种新的全卷积神经网络视网膜血管分割的监督方法，经过训练得到了精确的分割结果。但受到光照和训练集数据量的影响，得到的结果仍然不够理想，对血管分割中细节不够敏感。因此，针对视网膜血管参数过多和细小血管的分割问题，郑婷月[2]等人提出了一种全卷积神经网络的多尺度视网膜血管分割方法，无需手工设计特征和后处理过程。算法利用较少的学习参数，大大降低了模型复杂度。

3.2 U-net

U-Net网络是基于FCN进行改进的网络，整个神经网络主要由两部分组成:收缩路径和扩展路径。搜索路径主要是用来捕捉图片中的上下文信息，与之相对称的扩展路径则是为了对图片中所需要分割出来的部分进行精准定位。U-Net网络可以对一些比较少样本的数据进行训练，特别是医学方面相关的数据，因此，U-Net网络的出现对于深度学习用于较少样本的医学影像很有帮助。梁礼明[1]等人提出了一种融合DenseNet和U-Net网络的改进的血管分割算法。该算法提高了眼底血管的分割准确性。

3.3 RNN

无论是卷积神经网络，还是人工神经网络，他们的前提假设都是:元素之间是相互独立的，输入与输出也是独立的。但现实世界中，很多元素都是相互连接的，比如股票随时间的变化。因此，就有了现在的循环神经网络。

对于医疗应用而言，RNN可用于医学图像分割问题。陈建旭[10]等人提出了一种基于完全卷积网络（FCN）和递归神经网络（RNN）的组合的用于3D图像分割的新DL框架，其负责利用内部切片和内部切片上下文。与已知的基于DL的3D分割方法相比，他们使用的方法准确率更高。

4 总结展望

本文针对目前比较流行的血管分割方法进行了总结，概述了分割方法的优缺点。由于每一种算法都有其适用的局限性，应根据实际情况选择合适的算法。而我们所期待的是有一种算法能够尽可能多的适用于所有的图像，这是我们下一步要继续努力的方向。同时，由于深度学习的普及以及其在医学方面的应用，根据其能很好地刻画图像结构的细节信息的特点以及在图像分割方面取得的成果，深度学习将为今后更精确的视网膜血管分割研究工作提出新的方向。

[1]梁礼明,盛校棋,郭凯,等.基于改进的U-Net眼底视网膜血管分割[J/OL].计算机应用研究:1-6[2019-03-02].

[2]汪维华,张景中,吴文渊.改进的形态学与Otsu相结合的视网膜血管分割[J/OL].计算机应用研究,2019(08):1-8[2019-01-12].

[3]郑婷月,唐晨,雷振坤.基于全卷积神经网络的多尺度视网膜血管分割[J/OL].光学学报:1-13[2019-01-12].

[4]王娜,傅迎华,蒋念平.基于监督的全卷积神经网络视网膜血管分割[J].软件导刊,2018,17(08):45-48+52.

[5]吴晨玥,易本顺,章云港,等.基于改进卷积神经网络的视网膜血管图像分割[J].光学学报,2018,38(11):133-139.

[6]朱承璋,崔锦恺,邹北骥,等.基于多特征融合和随机森林的视网膜血管分割[J].计算机辅助设计与图形学学报,2017,29(04):584-592.

[7]武劲圆,游国栋,严宇,等.基于图像分割的糖尿病性视网膜病变血管的分析[J].医疗卫生装备,2017,38(06):27-29+40.

[8]冯河洋.视网膜血管图像分割算法的研究[D].西南交通大学,2017.

[9]杨毅.视网膜血管分割与动静脉分类方法研究[D].哈尔滨工业大学,2016.

[10]Chen J,Yang L,Zhang Y,et Fully Convolutional and Recurrent Neural Networks for 3D Biomedical Image Segmentation[J].2016.

[11]单玲玉.糖尿病视网膜病变图像的血管提取方法研究[D].武汉工程大学,2015.

[12]闵锋,单玲玉,张彦铎.糖尿病视网膜病变图像的血管分割方法研究[J].华中科技大学学报(自然科学版),2015,43(S1):376-380.

文章来源：《血管与腔内血管外科杂志》 网址: http://www.xgyqnxgwkzz.cn/qikandaodu/2021/0722/704.html