鼻咽癌是一种上皮细胞癌症,患者如能得到及时的诊断和治疗,其存活率将得到显著提高。准确地识别和分割出鼻咽癌的原发灶和转移性淋巴结对于患者分期、放疗规划和预后预测至关重要。然而,这两类目标通常需要经验丰富的医生逐张阅片,并手动勾画出病灶位置,这对医生来说无疑是沉重的负担。因此,一个全自动的分割方法对于高效诊断来说意义重大。本文将分两步,由浅及深地解决上述问题。第一步,本文对问题进行简化,提出了一个能分割出鼻咽癌原发灶的模型,此模型作为初步探索,暂不考虑对转移性淋巴结的分割。现有方案通常对骨干网络提取出的整个特征图进行上采样和优化并直接给出预测。然而,原发灶区域占比通常较小,特征图中关键特征易受背景特征干扰,导致边缘分割效果不佳。为了解决上述问题,此模型借鉴了图像渲染的思想,先给出低分辨率的粗分割图,然后直接上采样粗分割图,并针对性地对其中的不可靠预测进行采样、优化和替换,多次重复此操作后得到最终的细分割图。利用上述思路提出的模型,以更少的参数量实现了相较于六个语义分割领域常用模型更好的效果。第二步,本文将第一步的工作推广至实际问题,提出了一个能分割并区分出鼻咽癌原发灶和转移性淋巴结的模型。将任务推广至实际问题后,本文总结了此项任务的三个难点:目标位置不定、目标尺寸不定以及目标边缘不规则。针对这三个难点,本文分别设计了三个信息增强模块来解决:首先,利用位置增强模块增强输入图像中最可疑区域的特征表示;其次,利用尺寸增强模块捕获多尺度目标信息和目标上下文信息;最后,利用边缘增强模块优化边缘分割效果。作为一个专门用于同时分割并区分出鼻咽癌原发灶和转移性淋巴结的模型,在大规模数据集上的实验结果表明,此模型的效果显著优于九个最新的对比模型。通过以上两部分的工作,本文完成了自动分割鼻咽癌原发灶和转移性淋巴结的任务。本文将继续推进这一方案在实际临床辅助诊断中的应用,并考虑将其进行扩展,以提供诸如患者分期、淋巴结计数等更多有价值的辅助诊断信息。