摘要目的研究基于不同感受野的鼻咽癌靶区和危及器官自动分割网络。方法收集100例鼻咽癌患者放疗数据，包含患者CT图像和医生勾画的靶区(GTV)和危及器官。随机选取90例数据作为训练集，另10例作为验证集。首先对图像进行中心裁剪、随机垂直翻转和旋转(-30°～30°)数据增强方式，输入至本文提出的MA_net网络进行训练，通过网络参数、浮点运算数、运行内存和Dice系数评估该网络性能；最后将其与当前主流的分割网络DeeplabV3+、PSP_net、UNet++、U_Net比较。结果当输入图像为240×240时，MA_net网络参数分别为4个网络的23.20%、20.10%、25.55%和27.11%；其浮点运算数分别为4个网络的50.02%、19.86%、6.37%和13.44%；其运行内存分别为4个网络的40.63%、23.60%、11.58%和14.99%；GTV的分割结果显示MA_net的Dice系数比4个网络分别高出1.16%、2.28%、1.27%和3.59%；GTV与危及器官的分割结果显示MA_net的平均Dice系数比4个网络分别高出0.16%、1.37%、0.30%和0.97%。结论相比于上述4个网络，MA_net参数少、运算浮点数低、运行内存小且Dice系数有所提升。
