摘要：【目的】根据2022年全球癌症统计，结直肠癌在36种癌症中新诊断率排第三，占比为9.6%，死亡率排第二，占比为9.3%，且直肠癌在结直肠癌中占比很大。由于直肠肿瘤的大小和形状可以帮助医生确定肿瘤边界和范围，提高诊断的准确性，因此准确地分割直肠肿瘤在临床诊断和治疗中具有重要意义。目前，大多数直肠肿瘤分割方法是基于二维切片的，无法充分利用图像切片与切片之间的联系。而现有的3D分割方法的计算量和参数量较多，且对于旋转的鲁棒性不足。【方法】本文提出了一种基于混合胶囊网络的直肠肿瘤2.5D分割模型(HCU-Net)，不仅保留了图像切片间的相关性，提高了直肠肿瘤分割性能，而且提高了模型对复杂场景的理解，降低了计算量和参数量。【结果】我们在山西省肿瘤医院的数据集上测试了我们的模型，Dice和MIoU分别达到0.7989和0.6709。我们还在北京新华医院的数据集验证了我们模型的泛化能力。【结论】我们的模型在不同数据集上都表现出了优越的分割性能，并且对于图像的旋转鲁棒性也较好，其出色的性能显示出该模型在辅助医生进行直肠癌诊断与治疗决策方面具有良好的应用潜力。
文章目录
1 方 法
1.1 HCU-Net整体结构
1.2 多尺度特征提取模块
1.3 胶囊模块
1.4 轻量化卷积模块
1.5 深监督模块
1.6 量化模式
1.7 损失函数
2 实 验
2.1 数据集
2.2 数据预处理
2.3 实验设置
2.4 评价指标
3 结 果
3.1 消融实验
3.1.1 数据预处理对实验结果的影响
3.1.2 每个模块对实验结果的影响
3.1.3 优化方法对实验结果的影响
3.2 对比实验
3.3 模型鲁棒性测试
3.4 模型泛化性测试
4 讨 论
