【技术实现步骤摘要】
纵隔肿物识别方法、系统及装置
本专利技术涉及人工智能领域,尤其是涉及一种纵隔物识别方法、系统及装置。
技术介绍
在医学上,纵隔指的是前到胸骨,后到脊椎,上到颈部,下到隔肌的一块区域。它包含心脏,胸腺,某些淋巴结和部分气道(气管)等,不包括肺。长在纵隔区域的肿瘤按部位分可以分为:前纵隔,中纵隔和后纵隔肿瘤。纵隔肿物包含多种疾病类型。以胸腺肿肿瘤为例,胸腺肿瘤中90%为胸腺瘤,其余是胸腺癌、淋巴瘤及类癌等。纵隔肿物具有发病率低的特点,例如胸腺瘤在全部成人恶性肿瘤中不足1%;同时在发病位置上也有特点,例如在成人前纵隔肿瘤中胸腺瘤约占30%,据美国国家癌症研究所报告,美国胸腺瘤的发病率为0.15/10万,因此可学习样本较少。影像学检查可以辅助医生诊断纵隔肿物。以胸腺瘤为例,近80%胸腺瘤患者在正位胸片上表现为纵隔轮廓异常或肿物。胸部增强CT是诊断前纵隔肿物的首选影像检查方法,CT不仅能显示病变大小、密度、边缘,而且能提示病变与胸腔内周围器官包括大血管、肺、心包、心脏、胸膜等的关系。在增强CT序列中,血管等会呈现高密度特征,此时纵隔肿物呈低密度特征,较易识别。综合上述特点,CT可以帮助医生快速诊断纵隔肿物,但其中存在两个难点。一是是由于发病率低,可学习的影像样例少,再加上个别类型在整体发病率中所占更少,其样本就更少;二是疾病分型很多。通过CT诊断纵隔肿物对于经验较少的影像科医生是一个很大的挑战,很容易出现漏诊现象。随着计算机和数字图像处理技术的发展,出现了许多计算机图像算法用于处理CT图像,帮助 ...
【技术保护点】
1.一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,包括如下步骤:/nS1、对纵隔肿物的CT图像进行预处理;/nS2、对预处理后的CT图像取连续的多个切片,并将每个切片处理成多个窗宽窗位的矩阵;/nS3、将处理成多个窗宽窗位的矩阵的多个切片输入两级自注意力机制的2.5DUNet后,对所述多个切片分组卷积,然后输入两级自注意力机制模块进行融合,得到识别结果。/n
【技术特征摘要】
1.一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,包括如下步骤:
S1、对纵隔肿物的CT图像进行预处理;
S2、对预处理后的CT图像取连续的多个切片,并将每个切片处理成多个窗宽窗位的矩阵;
S3、将处理成多个窗宽窗位的矩阵的多个切片输入两级自注意力机制的2.5DUNet后,对所述多个切片分组卷积,然后输入两级自注意力机制模块进行融合,得到识别结果。
2.根据权利要求1所述的一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,所述S1具体包括:
将图像重采样统一分辨率,对重采样后的图像灰度化,对灰度后的图像采用大津算法得到二值图,对二值图进行开运算处理噪声,对处理噪声后的二值图进行边缘检测得到身体区域范围,去除大部分图像中无关区域。
3.根据权利要求1所述的一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,所述S2具体包括:
对预处理后的CT图像取连续的多个切片,并将每个切片处理成2个窗宽窗位的矩阵,得到W×H×(2×n)的数据,其中W和H代表矩阵的宽度和高度,2代表2个窗宽窗位,n代表连续的n个切片。
4.根据权利要求1所述的一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,所述S3具体包括:
将处理成多个窗宽窗位的矩阵的多个切片输入两级自注意力机制的2.5DUNet后,对得到的多个切片按通道维度进行分组,得到C个组,将分组后的切片先输入切片间位置注意力结构提取特征,后输入融合注意力结构进行融合,得到识别结果。
5.根据权利要求4所述的一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,所述将分组后的切片先输入切片间位置注意力结构提取特征具体包括:将分组卷积后的切片使用带步长的卷积,将特征图由H×W×C处理为N×N×C的分辨率,其中N与整个网络结构中最小特征图尺寸的分辨率相同,然后对N×N×C分辨率的特征分别使用三个权重提取Query特征向量、Key特征向量和Value特征向量,Query特征向量和Key特征向量做矩阵乘法,得到不同位置的特征之间的影响因子,将此结果作为加权因子与Value特征向量相乘即得到经过位置信息加权的特征。
6.根据权利要求4所述的一种基于两级自注意力机制的2.5DUNet的纵隔肿物识别方法,其特征在于,所述后输入融合注意力结构进行融合,得到识别结果具体包括:将特征图划分网格,将网格内的特征展开为1维向量后,每个通道可以得到N×N个特征向量,将所有特征向量输入线性映射器进行映射,将不同通道中的相同位置的网格对应的向量作为一组特征送入1D的线性映射结构从而得到第i个位置不同通道间的自注意力加强后的特征,再将得到的结果拼接起来得到特征图,作为加权因子与原始特征相乘,不同通道间的特征融合,之后再通过一次位置注意力结构,实现了切片不同空间位置间特征的融合。
7.一...
【专利技术属性】
技术研发人员:杜强,高泽宾,郭雨晨,聂方兴,
申请(专利权)人:北京小白世纪网络科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。