基于功能区域的解剖切除是一种非常有前景的手术切除方法，可有效减少局部复发、提高长期生存率。其中，器官解剖功能区域分割（将同一器官分割成多个解剖区域）可以定位肿瘤在子区域的位置、计算器官的术后残余体积，从而帮助外科医生制定解剖切除术前规划。 

　　然而，与器官分割相比，器官解剖功能区域分割更具有挑战性：不同功能子区域间相似的HU分布，不可见边界以及解剖标志和其它解剖信息之间的相似性均会导致解剖功能区域自动分割存在子区域间的外观模糊，这会直接导致下游临床任务的失败。 

　　基于此，中国科学院深圳先进技术研究院生物医学与健康工程研究所联合国外团队在子区域构建图的基础上提出了一种新颖的分割框架——解剖关系推理图卷积网络，该方法可以将子区域间固有的先验解剖关系以邻接矩阵形式编码，将其嵌入到图的中间节点，从而实现对网络模型的显式学习。肝段和肺叶两种解剖功能区域分割任务实验验证结果表明，基于解剖图网络的分割方法有效减少了子区域间的外观模糊性。 

　　相关成果ARR-GCN: Anatomy-Relation Reasoning Graph Convolutional Network for Automatic Fine-grained Segmentation of Organ’s Surgical Anatomy于7月30日在线发表在国际知名学术期刊IEEE Journal of Biomedical and Health Informatics上，并入选该期封面文章。深圳先进院医工所高级工程师秦文健博士与凯斯西储大学教授李硕为论文的共同通讯作者，深圳先进院博士生田引黎为论文第一作者。本工作获得了国家自然科学基金、深圳市科技计划项目资助等项目的支持。

原文链接

器官分割与器官外科解剖细粒度分割(FGS-OSA)。（a）器官分割。(b) FGS-OSA示意图。(c)两个FGS-OSA的例子：肝脏和肺的外科解剖功能细粒度分割 

技术挑战问题

解剖关系推理图卷积网络原理示意图