基于功能區(qū)域的解剖切除是一種非常有前景的手術(shù)切除方法，可有效減少局部復(fù)發(fā)、提高長(zhǎng)期生存率。其中，器官解剖功能區(qū)域分割（將同一器官分割成多個(gè)解剖區(qū)域）可以定位腫瘤在子區(qū)域的位置、計(jì)算器官的術(shù)后殘余體積，從而幫助外科醫(yī)生制定解剖切除術(shù)前規(guī)劃。 

　　然而，與器官分割相比，器官解剖功能區(qū)域分割更具有挑戰(zhàn)性：不同功能子區(qū)域間相似的HU分布，不可見(jiàn)邊界以及解剖標(biāo)志和其它解剖信息之間的相似性均會(huì)導(dǎo)致解剖功能區(qū)域自動(dòng)分割存在子區(qū)域間的外觀模糊，這會(huì)直接導(dǎo)致下游臨床任務(wù)的失敗。  

　　基于此，中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院生物醫(yī)學(xué)與健康工程研究所聯(lián)合國(guó)外團(tuán)隊(duì)在子區(qū)域構(gòu)建圖的基礎(chǔ)上提出了一種新穎的分割框架——解剖關(guān)系推理圖卷積網(wǎng)絡(luò)，該方法可以將子區(qū)域間固有的先驗(yàn)解剖關(guān)系以鄰接矩陣形式編碼，將其嵌入到圖的中間節(jié)點(diǎn)，從而實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)模型的顯式學(xué)習(xí)。肝段和肺葉兩種解剖功能區(qū)域分割任務(wù)實(shí)驗(yàn)驗(yàn)證結(jié)果表明，基于解剖圖網(wǎng)絡(luò)的分割方法有效減少了子區(qū)域間的外觀模糊性。  

　　相關(guān)成果ARR-GCN: Anatomy-Relation Reasoning Graph Convolutional Network for Automatic Fine-grained Segmentation of Organ’s Surgical Anatomy于7月30日在線發(fā)表在國(guó)際知名學(xué)術(shù)期刊IEEE Journal of Biomedical and Health Informatics上，并入選該期封面文章。深圳先進(jìn)院醫(yī)工所高級(jí)工程師秦文健博士與凱斯西儲(chǔ)大學(xué)教授李碩為論文的共同通訊作者，深圳先進(jìn)院博士生田引黎為論文第一作者。本工作獲得了國(guó)家自然科學(xué)基金、深圳市科技計(jì)劃項(xiàng)目資助等項(xiàng)目的支持。

原文鏈接

器官分割與器官外科解剖細(xì)粒度分割(FGS-OSA)。（a）器官分割。(b) FGS-OSA示意圖。(c)兩個(gè)FGS-OSA的例子：肝臟和肺的外科解剖功能細(xì)粒度分割 

技術(shù)挑戰(zhàn)問(wèn)題

解剖關(guān)系推理圖卷積網(wǎng)絡(luò)原理示意圖