H-DenseUNet: CT 볼륨에서 간과 종양 분할을 위한 하이브리드 밀집 연결 U-Net

간암은 암 사망의 주요 원인 중 하나입니다. 간세포암의 진단과 치료 계획을 돕기 위해 임상에서 정확하고 자동화된 간 및 종양 분할 방법이 절실하게 요구되고 있습니다. 최근에, 완전히 합성곱 신경망(FCN)을 포함한 2D 및 3D FCN들이 많은 볼륨 이미지 분할에서 주요 역할을 하고 있습니다. 그러나 2D 합성곱은 세 번째 차원에 대한 공간 정보를 충분히 활용하지 못하며, 3D 합성곱은 높은 계산 비용과 GPU 메모리 소비로 인해 어려움을 겪고 있습니다. 이러한 문제들을 해결하기 위해, 우리는 새로운 하이브리드 밀집 연결 유넷(H-DenseUNet)을 제안합니다. 이 모델은 슬라이스 내 특징을 효율적으로 추출하기 위한 2D DenseUNet와 볼륨 컨텍스트를 계층적으로 집계하는 3D 대응체를 포함하며, 자동 컨텍스트 알고리즘의 정신 아래 간 및 종양 분할을 수행합니다. H-DenseUNet의 학습 과정은 엔드투엔드 방식으로 공식화되어 있으며, 슬라이스 내 표현과 슬라이스 간 특징이 하이브리드 특징 융합(HFF) 레이어를 통해 공동 최적화될 수 있습니다. 우리는 MICCAI 2017 간종양 분할(LiTS) 챌린지 데이터셋과 3DIRCADb 데이터셋에서 우리의 방법을 광범위하게 평가했습니다. 결과적으로, 우리의 방법은 종양 분할 결과에서 다른 최신 기술들을 능가하였으며, 단일 모델로도 간 분할 성능에서 매우 경쟁력 있는 결과를 달성하였습니다.