肝脏精准分割对于肝癌的定位与治疗至关重要, 针对肝脏形状尺寸不一以及边缘和病灶区域分割难度较大等问题, 提出了一个基于多层感知机和多尺度特征提取的肝脏分割网络(M2U-Net)。该网络分为卷积阶段和多层感知机阶段。在卷积阶段的编码器部分加入挤压激励模块, 突出特定的肝脏分割任务, 抑制无关背景区域; 在多层感知机阶段加入标记化多层感知机模块, 减小模型复杂度。过渡层增加了多尺度特征提取模块, 适应不同尺度肝脏的分割以及细节区域的分割; 在LiTS数据集和东方肝胆医院提供的数据集上的实验结果表明, 此分割网络在三个评价指标上结果均优于U-Net、U-Net++和CE-Net等分割网络。

肝脏分割是计算机辅助肝脏疾病诊断、治疗和手术的重要步骤，提出一种基于空间模糊C均值和图割的CT图像肝脏分割方法。首先，为去除毗邻器官和组织对肝脏分割的影响，采用阈值、投影和三维区域生长法从原始CT图像中去除脊柱、肋骨，接着采用K-means聚类和二值形态学重建方法去除右肾。然后，采用空间模糊C均值从初始切片中分割肝脏，再结合CT切片的空间、形状和灰度特性运用图割算法迭代分割剩余切片。最后，根据形态学操作和解剖学知识去除肝脏分割结果中的下腔静脉区域。实验结果证明，与其他同类方法相比该方法可获得更好的分割效果。

针对复杂多变的肝脏图像,提出了一种基于先验稀疏字典和空洞填充的三维肝脏图像分割方法。对腹部CT图像进行Gabor特征提取,并分别在Gabor图像和灰度图像的肝脏金标准边界上选择大小相同的图像块作为两组训练集,利用训练集得到两种查询字典及稀疏编码。将金标准图像与待分割图像配准,并将配准后的肝脏边界作为待分割图像的肝脏初始边界;在初始边界点上的十邻域内选择大小相同的两组图像块作为测试样本,利用测试样本与查询字典计算稀疏编码及重构误差,并选择重构误差最小的图像块的中心作为待分割肝脏的边界点;最后,设计一种空洞填充方法对肝脏边界进行补全和平滑处理,得到最终分割结果。利用医学图像计算和计算机辅助介入国际会议中提供的肝脏数据进行了实验验证。结果表明,该方法对肝脏分割图像具有较好的适用性和鲁棒性,并获得了较高的分割精度。其中,平均体积重叠率误差为(5.21±0.45)%,平均相对体积误差为(0.72±0.12)%,平均对称表面距离误差为(0.93±0.14) mm。