【技术实现步骤摘要】
一种三维PET
‑
CT头颈部肿瘤分割系统及方法
[0001]本专利技术涉及医学影像处理领域,具体涉及一种三维PET
‑
CT头颈部肿瘤分割系统及方法。
技术介绍
[0002]头颈部癌是一组包括口腔、口咽、下咽、喉、唾液腺等部位的癌症。它是世界上最常见的癌症类型,占全世界所有癌症的5%。头颈部肿瘤分割在协助头颈部癌症的诊断和治疗计划中起着重要作用。准确的头颈部肿瘤分割可以有效地帮助医生对肿瘤进行定位,确定其大小,直观地看到肿瘤与周围组织的粘连关系,并制定相应的治疗方案。然而,目前可用于临床实践的分割结果通常是由经验丰富的医生手工制作的。但是,手动绘制不仅费时费力,而且还受到医生的主观影响。因此,一种自动和准确的三维头颈部肿瘤的分割方法将具有很大的价值。
[0003]在医学影像技术中,计算机断层扫描(CT)图像被广泛用于计算机辅助诊断和治疗计划,因为CT图像具有较高的分辨率和较低的信噪比,可以有效地提供人体组织和器官结构信息。然而,由于CT只能反映结构信息,而肿瘤与邻近组织呈现等密度影关系,仅凭CT图像很难对头颈部肿瘤进行分割。正电子发射计算机断层扫描(PET)是一种高度敏感的分子水平功能成像技术,它通过向人体注射某种代谢物(通常是葡萄糖),观察该物质在代谢中的累积情况,以达到诊断的目的。癌细胞通常具有高度的代谢,所以PET可以有效观察到肿瘤,以此来协助诊断和治疗。
[0004]随着计算机技术的快速发展,基于深度学习的多模态医学图像分割方法已被证明更为有效。越来越多的研究 ...
【技术保护点】
【技术特征摘要】
1.一种三维PET
‑
CT头颈部肿瘤分割系统,其特征在于,包括编码部、融合部和解码部;所述编码部包括具有第一编码器的第一编码路径模块、具有第二编码器的第二编码路径模块,第一编码路径模块通过第一编码器将PET图像编码后提取PET初始图像特征,再通过基于多头注意力计算模块的Transformer模块学习得到PET全局特征;第二编码路径模块通过第二编码器将CT图像编码后提取CT初始图像特征,再通过基于多头注意力计算模块的Transformer模块学习得到CT全局特征;融合部包括潜空间
‑
多头注意力模块,PET全局特征输入潜空间,经前馈神经网络学习,产生两个潜变量:键向量key和值向量value,同时,将CT全局特征中的查询特征query输入到潜空间,潜空间再将key、value、query输入到多头自注意力计算模块中计算得到融合PET
‑
CT图像特征,将融合PET
‑
CT图像特征反馈融合至第二编码路径模块中编码分支;解码部包括解码模块,用于接收并解码融合PET
‑
CT图像特征。2.根据权利要求1所述的分割系统,其特征在于,解码模块为Transformer特征解码模块,解码部还包括上采样模块、输出预测图像的扩展模块,上采样模块接收融合PET
‑
CT图像特征并将其输送至Transformer特征解码模块进行解码,再重复两次上采样和解码过程后,将解码后的图像输送至输出预测图像的扩展模块进行图像扩展。3.根据权利要求1所述的分割系统,其特征在于,所述多头自注意力计算模块是基于L2范数点积和点积结果缩放的模式,其计算方法包括:假设Transformer模块在第l层的输入是X
tl
,X
tl
为CT初始特征值或者PET初始特征值,q、k和v向量按式(2)计算:(2)q、k和v向量分别为查询特征query,键向量key和值向量value,、和分别为q、k和v向量对应的权重矩阵,将多头自注意力的计算分为水平方向和垂直方向两个部分,通过两个并行窗口的输出来对两部分计算结果进行交互,水平方向和垂直方向两部分的计算如公式(3)、(4):(3)(4)其中和分别代表垂直和水平方向上的自注意,和分别是垂直方向和水平方向上的位置编码,q
v
、k
v
和v
v
分别是垂直方向上的查询特征query,键向量key和值向量value,q
h
、k
h
和v
h
分别是水平方向上的查询特征query,键向量key和值向量value,softmax为归一化函数,scaled为对注意力进行可学习缩放,...
【专利技术属性】
技术研发人员:李腊全,谭嘉欣,姜燕,刘畅,熊平,苏强,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
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。