10月5日，医学物理领域旗舰杂志Medical Physics (影响因子4.071)发表了本实验室本科生刘祖浩同学在癌症放疗计划中多器官自动分割方面的工作“Automatic segmentation of organs-at-risks of nasopharynx cancer and lung cancer by cross-layer attention fusion network with TELD-Loss”。

该工作利用深度学习技术，通过一种新型的跨层注意力融合神经网络CLAF-CNN，实现了22种鼻咽癌放疗风险器官及6种肺癌放疗风险器官的自动分割，为提高放疗计划制定效率，减轻医生对放疗风险器官勾画的负担提供了新的解决方法。

跨层注意力融合神经网络CLAF-CNN

卷积神经网络是目前医学图像分割中最先进的方法，注意力机制可以使神经网络更专注在图像中重要的区域，而忽略无关区域的干扰。然而在不同的神经网络层使用注意力机制，得到的注意力图可能缺乏一致性。本文所提出的CLAF-CNN对不同层的注意力添加了一致性约束，确保网络的不同阶段同时聚焦到共同的目标区域，从而提高分割效果。此外，本文还针对不同器官分割难易程度不一致的问题，提出了一种新型损失函数TELD-Loss。

CLAF-CNN与其他方法的比较

实验结果表明，本文方法在鼻咽癌放疗风险器官中的平均Dice精度达到79.65%，在肺癌放疗风险器官中的平均Dice达到88.39%。性能超过了现有的UNet, Res-UNet及UNet-scSE等方法。

本研究成果由电子科技大学与北京大学人民医院、四川省肿瘤医院、商汤科技等单位合作完成。电子科技大学为第一完成单位。

  作者简介：刘祖浩，电子科技大学格拉斯哥学院2018级本科生。以第一作者身份在医学图像分析领域顶级会议MICCAI 2020、ISBI 2020发表研究论文两篇，在Medical Physics发表研究论文1篇。2020年获得商汤奖学金（全国21个名额）。研究方向为医学图像分割与深度学习。

  论文链接：https://aapm.onlinelibrary.wiley.com/doi/abs/10.1002/mp.15260