胰腺是人体消化系统的重要组成器官,具有外、内分泌功能。外分泌腺负责分泌胰液,用于消化糖、脂肪和蛋白质;内分泌腺由胰岛组成,通过分泌胰岛素等多种激素来调节血糖水平。在过去10年中,随着中国居民生活饮食结构的改变以及老龄人口的增长,胰腺癌导致的死亡在癌症相关死亡病例中的占比增加了9%,发病率逐年升高。胰腺癌已成为威胁国民生命健康的重大公共卫生问题。胰腺癌恶性程度极高,进展快,预后差,5年生存率不足8%。因此,早期发现和诊断对胰腺癌患者至关重要。CT影像检查为诊断胰腺疾病的最主要检查方式,本文旨在构建一个基于CT影像对胰腺及胰腺肿瘤进行自动分割的模型,从而给医生提供计算机辅助诊断系统。胰腺质软,解剖结构复杂,周围存在大量密度相近的组织。胰腺及胰腺肿瘤分割的主要难点在于:目标小,形态、位置的个体差异性大,边界模糊,标签存在噪声。针对这些问题,本文设计了基于卷积神经网络的分割算法,实现了胰腺及胰腺肿瘤的精确分割,主要研究内容如下:1.设计了基于二维卷积的2D模型PGD-UNet。PGD-UNet主要针对胰腺及肿瘤形状变化大,边界不规则的问题,通过集成可变形卷积来建模目标的空间几何变换。同时,本文提出辅助定位路径来指导可变形卷积的偏移量学习。辅助定位路径通过空洞卷积提供更大的感受野,并利用Coord Conv和Coord Pool显式地编码位置信息。针对标签噪声,本文提出了噪声抑制损失函数NSFL,其能在处理类别不平衡问题的同时,有效地缓解噪声带来的过拟合问题。2.设计了基于三维卷积的3D模型Dense UNet。相比2D模型,3D模型能提取相邻切片的层间依赖关系。针对3D模型显存需求高的问题,本文采用密集连接的思想来设计Dense UNet的特征提取模块。密集连接通过特征复用的方式降低模型参数量,保证网络具有较低的冗余度,在胰腺数据集上进行训练时不容易产生过拟合问题。在密集连接特征提取模块中,本文采用锯齿波的方式来堆叠空洞卷积,使得感受野能快速有效地扩大。3.结合2D模型和3D模型设计了级联算法框架Dense 3D Cascade。级联算法由一阶段2D粗分割和二阶段3D细分割组成。第一阶段通过PGD-UNet得到目标所在的大致区域和粗分割结果。第二阶段在目标区域内切取三维图像块,并将粗分割结果作为先验信息,一起送入Dense UNet进行细分割。最后,本文还提出了中心加权的策略来融合分割结果以消除拼接痕迹。级联算法可以有效地结合2D模型和3D模型的优势,分割性能显著提升。本文使用了公开的胰腺数据集MSD-Pancreas来评估所提出的方法。实验结果表明:本文的方法相比于现有工作,在胰腺及胰腺肿瘤的分割性能上都取得了显著提高,并且分割结果较为连续和完整。