基于功能区域的解剖切除作为手术切除方法，可有效减少局部复发，提高长期生存率。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，帮助外科医生制定解剖切除术前规划。 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他解剖信息之间的相似性，会使解剖功能区域自动分割存在子区域间的外观模糊，致使下游临床任务的失败。      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，提出了解剖关系推理图卷积网络的分割框架。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，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。 
    7月30日，相关研究成果以ARR-GCN: Anatomy-Relation Reasoning Graph Convolutional Network for Automatic Fine-grained Segmentation of Organ’s Surgical Anatomy为题，在线发表在《IEEE生物医学与健康信息学》（IEEE Journal of Biomedical and Health Informatics）上。研究工作得到国家自然科学基金和深圳市科技计划项目等的支持。论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