門靖茹，王澤榮，張富春，白宗文

（延安大學(xué)物理與電子信息學(xué)院，陜西延安 716000）

肺癌是一種全球常見的癌癥，是發(fā)病率和死亡率增長最快、對生命威脅最大的惡性腫瘤之一［1］，被發(fā)現(xiàn)時患者往往處于中晚期。而肺癌前期癥狀多表現(xiàn)為肺結(jié)節(jié)，其早期發(fā)現(xiàn)對肺癌患者生還率十分重要。肺結(jié)節(jié)分割的難點(diǎn)在于大小不同和形態(tài)各異，實性不一，容易對醫(yī)療診斷產(chǎn)生干擾。隨著CT成像技術(shù)的飛速發(fā)展，采用計算機(jī)輔助技術(shù)（Computer Aided Detection，CAD）對肺結(jié)節(jié)進(jìn)行分割已經(jīng)成為趨勢，而基于深度學(xué)習(xí)的肺結(jié)節(jié)分割方法可以提高診斷速度和準(zhǔn)確率，具有十分重要的臨床應(yīng)用價值。

目前，針對肺結(jié)節(jié)分割方法的研究主要基于手動提取特征的傳統(tǒng)方法［2-5］和自動提取特征的深度學(xué)習(xí)方法［6-14］。深度學(xué)習(xí)方法可以自動學(xué)習(xí)并提取輸入網(wǎng)絡(luò)的深度圖像特征，實現(xiàn)肺結(jié)節(jié)分割任務(wù)。2015年LONG等［6］提 出 了 全 卷 積 網(wǎng) 絡(luò)（Fully Convolution Network，F(xiàn)CN），他提出后很快被廣泛應(yīng)用到圖像分割領(lǐng)域；RONNEBERGER等［7］在FCN的基礎(chǔ)上提出了U-Net模型，添加了跳躍連接方法；MILLETARI等［8］提出了三維圖像分割網(wǎng)絡(luò)V-Net模型，在U-Net的基礎(chǔ)上添加了殘差連接和三維化。U-Net和V-Net可作為基線模型（Baseline），并衍生了多種改進(jìn)算法。其中二維分割肺結(jié)節(jié)整圖的工作有徐峰等［9］使用U-Net，得到了0.867的準(zhǔn)確度；陳銘等［10］使用可分離卷積模塊改進(jìn)U-Net，得到的準(zhǔn)確度為0.9，參數(shù)量為Baseline的30%。二維分割肺結(jié)節(jié)小圖的工作有鐘思華等［11］使用密集連接改進(jìn)U-Net，得到骰子（Dice）系數(shù)為0.844；DUTANDE等［12］使用通道注意力改進(jìn)U-Net，得到Dice系數(shù)為0.80；PEZZANO等［13］使用Inception V4改進(jìn)U-Net，得到Jaccard系數(shù)為0.766。三維分割肺結(jié)節(jié)有YANG等［14］提出的MSDS-UNet模型，使用殘差連接改進(jìn)的3D-UNet模型結(jié)合深監(jiān)督，得到Dice系數(shù)為0.675。

綜上所述，現(xiàn)有方法在肺結(jié)節(jié)分割任務(wù)研究中主要追求的是高精度，但提高精度往往意味著模型參數(shù)量更大，對硬件的要求更高。本文致力于找到一種輕量級的模型，通過結(jié)構(gòu)設(shè)計保持模型不損失原有的分割效果。具體的設(shè)計方法是使用多尺度特征增加感受野（Receptive Field）的豐富度，在壓縮模型參數(shù)量的同時保持多尺度特征提取的質(zhì)量。

1 研究方法

1.1 肺結(jié)節(jié)分割過程框架

本文使用的肺結(jié)節(jié)分割過程如圖1所示，在數(shù)據(jù)輸入模型前需要對原始的CT圖像做預(yù)處理工作。首先將CT圖像進(jìn)行HU（Hounsfield Unit）轉(zhuǎn)換，得到閾值為-1 024至3 071的密度灰度圖；其次提取肺部掩膜圖，剔除不需要的非肺區(qū)域信息，由于原始數(shù)據(jù)來自不同機(jī)器，做三維計算前需要對圖像進(jìn)行統(tǒng)一像素間隔處理（3個維度像素間隔均為1 mm），統(tǒng)一間隔處理后的數(shù)據(jù)再進(jìn)行歸一化和去均值，歸一化使用的肺窗為-1 000至400，均值為0.25，由于考慮計算資源的限制，本文也對圖像進(jìn)行了三維體積的截取，截取的體積中至少包含1個肺結(jié)節(jié)，體積塊尺寸為96×96×16體素（長度×寬度×深度）；最后將若干體積塊輸入網(wǎng)絡(luò)模型中，網(wǎng)絡(luò)輸出相同大小的二值分割結(jié)果將用于后續(xù)計算。

圖1 肺結(jié)節(jié)分割流程框架

1.2 M-VNet網(wǎng)絡(luò)結(jié)構(gòu)

V-Net網(wǎng)絡(luò)是一種三維全卷積神經(jīng)網(wǎng)絡(luò)，整體為對稱的編碼器-解碼器結(jié)構(gòu)，網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。圖2左邊的編碼器提取圖像中的特征信息，他包含有4個具有不同特征分辨率的編碼模塊，每個模塊在頭尾部分使用殘差連接，下采樣層使用步長為2的卷積運(yùn)算，保護(hù)信息流。圖2網(wǎng)絡(luò)右邊的解碼器完成特征圖的解碼，它由4個具有不同特征分辨率的解碼模塊組成，而上采樣層使用步長為2的反卷積構(gòu)成。V-Net通過跳躍連接保護(hù)細(xì)節(jié)信息。網(wǎng)絡(luò)分類器由點(diǎn)卷積和Softmax激活函數(shù)組成，Softmax激活函數(shù)將特征圖轉(zhuǎn)換為前景和背景區(qū)域的分割概率圖。由于病灶通常具有三維結(jié)構(gòu)，該模型在醫(yī)學(xué)圖像處理中能夠充分利用此類圖像的三維上下文特征，提升網(wǎng)絡(luò)的性能。V-Net在提取特征的總體設(shè)計上是可取的，但是模型深度單一，細(xì)節(jié)特征不夠豐富，因此本文在宏觀上使用多尺度特征。由于淺層卷積的細(xì)節(jié)信息豐富，深層卷積的語義信息豐富，本文使用4種層深提取的特征進(jìn)行融合，總體設(shè)計如圖2所示。模型分為4種層深路線，每種層深路線均有V-Net的橋連結(jié)構(gòu)，這一點(diǎn)由于表達(dá)限制未在圖中標(biāo)出。將4種層深路線的數(shù)據(jù)進(jìn)行通道維合并后再進(jìn)行路線注意力機(jī)制，即使用兩層全連接和Softmax激活函數(shù)進(jìn)行路線間的重要性權(quán)重分配。

圖2 M-VNet總體結(jié)構(gòu)圖

V-Net中僅使用的是5×5×5體素卷積，感受野較大且單一，而肺結(jié)節(jié)的目標(biāo)很小，分割效果對細(xì)節(jié)特征和周圍組織特征均有依賴。因此本文測試了多種不同尺寸組合路線的Dice系數(shù)指標(biāo)，其中p1為不做任何處理的路線，p2為3×3×3體素卷積路線，p3為5×5×5體素卷積路線，p4為7×7×7體素卷積路線。由表1可知，對于肺結(jié)節(jié)這種小目標(biāo)而言，小的卷積核提取器p2和未經(jīng)處理的殘差路線p1更有效。

表1 不同尺度路線選擇的Dice系數(shù)

因此本文將V-Net中的5×5×5體素卷積操作替換為一個包含多尺度特征提取的M-Block組件，其多尺度屬性兼顧細(xì)節(jié)信息和周邊信息，在保證質(zhì)量的前提下可實現(xiàn)模型參數(shù)的壓縮。M-Block的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示，其中，殘差連接沿用V-Net原有的模塊首尾連接的設(shè)置。

圖3 多尺度特征結(jié)構(gòu)M-Block

圖3 的M-Block為瓶頸結(jié)構(gòu)，該瓶頸結(jié)構(gòu)可以使Block適用于所有輸入和輸出通道，不會受限于分組數(shù)。輸入X的格式為N×C×h×w×d（批量大小×通道數(shù)×長度×寬度×深度）。M-Block首先對輸入使用步長為1的點(diǎn)卷積將輸入通道數(shù)變?yōu)橹虚g通道數(shù)，其中編碼器中間通道為輸出通道數(shù)，解碼器中間通道為輸入通道數(shù)；然后進(jìn)入多尺度特征提?。∕ulti-scale feature extraction，MF）網(wǎng)絡(luò)部分，MF將通道分為兩組，通過分組可以明顯降低參數(shù)量。具體來說，第一組不做任何處理直接輸出為X1；第二組進(jìn)行3×3×3體素卷積，輸出為X2。將X1，X2進(jìn)行通道維合并操作后，通過一個點(diǎn)卷積改變通道數(shù)為輸出通道數(shù)，該操作可以融合多尺度特征，得到優(yōu)于單卷積核的特征提取效果。特征提取模塊的前N-1個M-Block中輸入輸出通道數(shù)均設(shè)置為模塊的輸入通道數(shù)，在第N個M-Block設(shè)置輸出設(shè)置為模塊的輸出通道數(shù)。此外，為了緩解數(shù)據(jù)的過擬合問題，本文使用0.5的隨機(jī)失活正則化比率在模塊間進(jìn)行隨機(jī)失活。

1.3 參數(shù)量

V-Net的總參數(shù)量為8 577萬，權(quán)重文件大小為425.51 M；M-VNet的總參數(shù)量為1 190萬，權(quán)重文件大小為64.77 M。統(tǒng)計對比了V-Net和本文方法的參數(shù)量，在批量大小為4時的訓(xùn)練時間和測試時間如表2所示。由表2可知，采用M-Block方法可大幅度降低參數(shù)量，結(jié)果顯示參數(shù)量約為Baseline的13%，訓(xùn)練時間和測試時間較Baseline稍高，這使得模型部署到移動設(shè)備成為可能。

表2 模型的參數(shù)量、訓(xùn)練時間和測試時間對比

1.4 損失函數(shù)

本文采用Dice loss［8］作為損失函數(shù)，并添加拉普拉斯平滑系數(shù)（Laplace smoothing）為1，拉普拉斯平滑可以避免零除問題，同時避免過擬合。當(dāng)Laplace smoothing為1時，Dice loss可表示為

其中，X、Y分別代表預(yù)測二值體和真實二值體，X∩Y表示兩者重合點(diǎn)的值的總和，|X|表示預(yù)測二值體的值的總和，|Y|表示真實二值體的值的總和。在實際計算時，將預(yù)測為非結(jié)節(jié)的特征圖與前景為非結(jié)節(jié)的真實標(biāo)簽進(jìn)行Dice loss計算，再將預(yù)測為結(jié)節(jié)的特征圖與前景為結(jié)節(jié)的真實標(biāo)簽進(jìn)行Dice loss計算，兩者相加為實際的Dice loss。

2 結(jié)果與分析

2.1 實驗數(shù)據(jù)

本實驗的數(shù)據(jù)來自于胸部影像數(shù)據(jù)集LUNA16（Lung Nodule Analysis 16），它來源于一個更大的數(shù)據(jù)集LIDC-IDRI［15］，該數(shù)據(jù)集共有1 018個CT掃描病例圖，LUNA16去除了厚度（slice thickness）大于3 mm的不一致切片和缺失部分切片的CT圖，保留了888張3D的CT圖。通過對數(shù)據(jù)進(jìn)行數(shù)據(jù)重采樣、數(shù)據(jù)歸一化、圖像切割和標(biāo)簽生成等預(yù)處理操作，可得到若干個尺寸為96 mm×96 mm×16 mm、至少包含1個肺結(jié)節(jié)的肺部CT數(shù)據(jù)塊和對應(yīng)的肺結(jié)節(jié)標(biāo)簽。按照8∶1∶1的比例將數(shù)據(jù)分為訓(xùn)練集、驗證集、測試集。

2.2 參數(shù)設(shè)置

本文的參數(shù)設(shè)置采用訓(xùn)練迭代次數(shù)（epoch）為100，優(yōu)化器選用SGD優(yōu)化器，初始學(xué)習(xí)率為0.001，每經(jīng)過3次迭代訓(xùn)練，學(xué)習(xí)率衰減為原來的0.1倍。初始動量設(shè)置為0.99，在第80輪降為0.9，權(quán)重衰減為10-8，驗證集每3次epoch做1次驗證。

圖4是模型的損失下降圖。從圖4A可知，訓(xùn)練損失在40輪后進(jìn)入緩慢的下降階段，在60輪后達(dá)到穩(wěn)定。圖4B驗證損失在60輪后基本平緩，90輪后有輕微上升，即出現(xiàn)過擬合現(xiàn)象。本文實驗采用早停策略，選取驗證損失最低的模型為最優(yōu)模型。

圖4 模型的損失下降圖

2.3 實驗結(jié)果

根據(jù)2.2節(jié)中網(wǎng)絡(luò)參數(shù)的設(shè)置，對V-Net基礎(chǔ)模型和M-VNet模型進(jìn)行訓(xùn)練，與其他相關(guān)工作的指標(biāo)對比如表3所示。MobileV2UNet的指標(biāo)提高和參數(shù)量下降依賴于Mobile V2的倒殘差和可分離卷積；SquExUNet由于采用了簡單的通道注意力機(jī)制，在模型參數(shù)基本維持不變的情況下可輕微提高訓(xùn)練指標(biāo)；InceptionUNet借鑒了Inception V4的Block組件結(jié)構(gòu)，他的不對稱卷積和高維分解方法在降低參數(shù)量和提高指標(biāo)兩方面達(dá)到平衡。在三維CT圖像分割任務(wù)中，MSDS-UNet對三維化的U-Net添加了殘差連接，這種設(shè)計與V-Net相似，指標(biāo)提升主要通過深監(jiān)督完成；另外，由于MSDS-UNet模型輸入尺寸更大，整體指標(biāo)較其他模型均有降低；集中式CNN使用帶有中央池化的多路徑網(wǎng)絡(luò)進(jìn)行分割，指標(biāo)有小幅提升；三維密集網(wǎng)絡(luò)帶來的提升較大，貫通的信息流保證了分割結(jié)果包含足夠的細(xì)節(jié)信息；NRU網(wǎng)絡(luò)主要提出了噪聲干擾模型，可一定程度上提高分割效果；M-VNet的主要貢獻(xiàn)在于多種維度上提取的多尺度信息，總體上使用不同深度結(jié)構(gòu)得到不同程度語義和細(xì)節(jié)信息的融合，細(xì)節(jié)上在單M-Block內(nèi)添加殘差支路納入卷積計算，提升了模型復(fù)雜度和分割指標(biāo)。在M-Block中，多尺度特征提取模塊中對原始數(shù)據(jù)不做處理的分組十分重要，很大程度上貢獻(xiàn)了模型特征的細(xì)節(jié)精度。

表3 不同模型的性能對比

圖5是4種模型對5種肺結(jié)節(jié)圖像的三維分割剖面圖，從左到右依次為小型結(jié)節(jié)、中型結(jié)節(jié)、大型結(jié)節(jié)、血管粘連型結(jié)節(jié)、磨玻璃影型結(jié)節(jié)。從圖5中可知，小結(jié)節(jié)部分4種模型均表現(xiàn)良好，證明了4種模型對病變區(qū)域都具有良好的敏感性和有效性；在中型結(jié)節(jié)和大型結(jié)節(jié)部分，V-Net方法出現(xiàn)過分割，出現(xiàn)較多假陽性點(diǎn)，這是由于V-Net在限定輪數(shù)內(nèi)特征提取效率有限所致，3D-SquExVNet方法開始出現(xiàn)欠分割，這主要是由于通道注意力對一些特征的過表達(dá)，導(dǎo)致限定輪數(shù)中特征提取器提取的特征豐富性不足；在血管粘連型結(jié)節(jié)上V-Net和3D-SquExVNet方法均出現(xiàn)欠分割，形態(tài)輪廓不清晰，與血管粘連部分輪廓沒有分割或分割不完整，可歸因于細(xì)節(jié)信息不足，3D-Mobilev2VNet方法在血管粘連部分出現(xiàn)了不同程度的過分割和欠分割，這是由于模型對點(diǎn)的分類判斷過于注重局部信息，修正能力弱；磨玻璃影型結(jié)節(jié)4種模型均出現(xiàn)欠分割，這是因為磨玻璃影型結(jié)節(jié)的邊界十分模糊，模型可以提取到病變特征，但輪廓信息不明晰。但M-VNet可以很好地解決這個問題，在中型結(jié)節(jié)和大結(jié)節(jié)部分通過不同感受野的信息融合很好地平衡了欠分割和過分割問題，同時，M-VNet的磨玻璃影型結(jié)節(jié)分割效果優(yōu)于整體過分割的3D-Mobilev2VNet的效果，也優(yōu)于V-Net和3DSquExVNet，這說明了M-VNet的多尺度特征提取的優(yōu)越性。綜合以上實驗結(jié)果，證明本文方法具有優(yōu)于其他模型的良好的泛化分割性能和較高魯棒性，對不同形態(tài)的肺結(jié)節(jié)均具有較好的分割結(jié)果。

圖5 不同網(wǎng)絡(luò)的三維分割結(jié)果橫截面

3 結(jié)論

本文提出了一種基于卷積復(fù)用的肺結(jié)節(jié)分割方法，通過使用多種Block組件的改進(jìn)方法，對比研究了改進(jìn)方法對模型分割性能的影響，得出了一種性能良好的多尺度融合輕量網(wǎng)絡(luò)M-VNet。該網(wǎng)絡(luò)繼承了V-Net的總體設(shè)計思路，并在此基礎(chǔ)上增加了多種深度路線和路線注意力機(jī)制，在M-Block設(shè)計中使用多尺度特征為模型增添細(xì)節(jié)信息和縮小模型參數(shù)。該模型參數(shù)量僅為V-Net的13%，但Dice系數(shù)提高了4%，泛化性能、魯棒性能和分割性能均優(yōu)于Baseline，具有部署于移動設(shè)備的潛力。后續(xù)將采用無錨框關(guān)鍵點(diǎn)引導(dǎo)從整個肺部CT圖片中選取備選數(shù)據(jù)塊，得到端到端的肺部整圖CT的肺結(jié)節(jié)分割模型。