近日，深圳大学医学部生物医学工程学院倪东教授团队在国际医学图像分析领域的顶级期刊《Medical Image Analysis》（IF为8.545）发表了题为“Boundary-rendering Network for Breast Lesion Segmentation in Ultrasound Images”的研究成果。该工作由倪东教授团队完成，倪东教授为通讯作者，团队成员研究生林铭容和黄若冰助理教授为第一作者，深圳大学为第一署名单位。

乳腺超声 (BUS)是乳腺癌早期诊断的有效工具，检查中关键一步是提取出图像中的病灶区域，为进一步诊断提供了形状和位置。利用计算机辅助诊断技术进行病灶区域的自动分割，可免除医生的手动勾画操作，有效提高检查效率。然而，临床诊断需要详细且准确的轮廓形状，但现有的自动分割方法经常产生过于平滑或不准确的分割轮廓。

在本研究中，我们提出了一种新颖的边界渲染框架，明确强调边界对乳腺超声图像中病灶自动分割的重要性。该分割框架利用边界选择模块自动聚焦在模糊边界区域，利用基于图卷积的边界渲染模型来传递全局轮廓信息。此外，本研究通过语义分割对病灶进行良恶性分类，鼓励分割与分类任务的相互促进

图1 边界渲染框架

工作得到了国家自然科学基金（No.62101342, No.62171290）的支持；深圳-香港联合研究计划（No.SGDX20201103095613036），国家重点研发计划（No.2019YFC0118300）；深圳孔雀计划（编号KQTD2016053112051497、KQJSCX20180328095606003）；医学科学研究基金会中国广东省（B2018031号）； 国家自然科学基金（No.82071928）。