近期，深圳大学医学部生物医学工程学院黄炳升副教授团队的研究成果《3D Lightweight Network for Simultaneous Registration and Segmentation of Organs-at-Risk in CT Images of Head and Neck Cancer》在医学图像分析领域的顶级期刊IEEE Transactions on Medical Imaging（2021年 IF：10.0）上发表。论文的第一作者是研究生黄斌，黄炳升副教授为共同通讯作者，深圳大学为第一署名单位，广州市番禺区中心医院和英伟达公司为合作单位。

头颈部癌症是广东常见的癌症类型。影像引导放射治疗（IGRT）是头颈部癌症的有效方法。IGRT的成功实施需要在CT图像中准确勾画危及器官（OAR）。在常规临床实践中，OAR是由肿瘤医生手动分割的，这是一项耗时、费力且主观的工作。

为了帮助肿瘤医生勾画OAR，该研究提出了一个同时进行OAR配准和分割的三维轻量级深度学习框架。配准网络用于将选定的OAR模板与新的图像对齐，以进行OAR定位。然后，感兴趣区域（ROI）选择层根据配准结果生成OAR的ROI，并将其输入多视图分割网络以进行精确的OAR分割。为了提高配准和分割网络的性能，该研究中为配准网络设计了重心距离损失，在分割网络中加入了ROI分类支路，并进一步以迭代的方式结合上下文信息。在后处理中，使用形状信息进一步改进分割结果，以得到最终的分割结果。该研究中使用了三个数据集评估所提出框架的配准和分割性能。在内部数据集上，配准和分割的Dice相似系数（Dice similarity coefficient，DSC）分别为69.7%和79.6%。此外，所提出的框架在两个外部数据集上进行了评估，并取得了优异的性能。结果表明，该三维轻量级框架实现了快速、准确的头颈部癌症患者的OAR配准和分割，有效辅助临床医生进行OAR勾画。

该研究获得广州市卫生健康科技项目、广州市番禺区科技计划项目、深圳市科技计划项目、广州市科技计划项目等项目的资助。

三维配准分割网络结构图