近年来,腹部CT(Computed Tomography,CT)影像已经成为最常用的肝脏肿瘤疾病诊断方法之一。由于肝脏肿瘤的治疗需要在术前准确了解肿瘤的大小、位置、数量等信息,因此在肝脏CT图像中进行肿瘤的分割具有重要的临床应用意义。然而,肝脏CT图像对比度低,肿瘤大小、形状和位置不固定,且腹腔内组织和器官分布复杂、肝脏的正常组织与肿瘤部位界限模糊,因此肝脏CT图像的肿瘤分割是目前医学影像处理中的研究热点和难点。本文对基于全卷积网络的肝脏肿瘤分割方法进行研究。论文以全卷积网络框架为基础,分别在肝脏分割、肿瘤分割、边缘去模糊等问题上进行了深入研究。使用级联全卷积网络实现肝脏和肿瘤的分割,得到肿瘤分割结果;在第一层肝脏分割网络中引入可变池化核,保留更多肝脏相关信息,提高肝脏分割精度;经过级联全卷积网络模型得到肿瘤分割结果后,使用全连接条件随机场对网络分割结果进行边缘约束,进一步提高肿瘤与肝脏正常组织边缘处的分割精度。论文的主要研究工作和创新点如下:(1)提出了基于级联全卷积网络的肝脏肿瘤分割方法。首先对CT图像进行预处理,高斯滤波去除噪声,锐化处理突出细节和边缘部分,直方图均衡化增强图像对比度。利用数据集训练双层网络,第一层网络实现肝脏分割,并且肝脏分割结果作为第二层网络的输入以训练肿瘤分割网络。整个学习过程利用全卷积网络的卷积层和池化层提取图像特征,网络中的多层卷积能够自动学习到高阶特征,对像素点逐一分类,再通过上采样恢复特征图到原始图像大小并输出。(2)提出了基于可变池化与空洞卷积的级联全卷积网络的肝脏肿瘤分割方法。在传统的全卷积网络下采样过程中,利用池化层减小图像尺寸、提取更高阶的特征时采用相同的池化核,忽略了肝脏的位置信息,从而影响了分割性能。为此,结合人体肝脏一般位于腹部的左前方,也就是CT图像中的左上位置的空间特征,在与肝脏相关度高的区域采用较小的池化核,而与肝脏相关度低的区域采用较大的池化核,从而保留更多肝脏的特征,提高肝脏的分割精度。(3)提出了基于级联全卷积网络和全连接条件随机场的肝脏肿瘤分割方法。针对全卷积网络分割结果可能存在感受域过大,边缘约束不足的问题,在全卷积网络分割出肿瘤后,采用全连接条件随机场对肿瘤分割结果进行精细化分割,增强边缘约束能力,改进了最终分割效果。论文通过公开的肝脏数据集3D-IRCADb-01对所提出的方法进行了实验分析。实验结果表明,相较于单层全卷积网络进行肿瘤分割,级联全卷积网络的肿瘤分割精度更高,可变池化核的全卷积网络能够进一步提高肝脏的分割精度,全连接条件随机场能够在网络分割结果上进行精细化分割,增强边缘约束能力。