基于轴向自注意力的胰腺超声内镜站点识别方法和系统技术方案

本发明专利技术提供一种基于轴向自注意力的胰腺超声内镜站点识别方法和系统，其中方法包括获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像；将胰腺超声内镜图像进行分类；构建基于空洞轴向自注意力的第一标准站点识别网络；将训练样本图像和测试样本图像依次输入至第一标准站点识别网络中，得到图像训练分类结果；根据训练分类结果和真实站点标签计算目标损失函数，并更新第一标准站点识别网络的参数，得到第二标准站点识别网络；采用第二标准站点识别网络按照引导线扫查标准站点并提示扫查盲区。本发明专利技术通过构建高效和准确的站点识别模型，能在胰腺超声内镜扫查过程中自动识别检查盲区，避免胰腺超声内镜检查的漏查漏诊。漏诊。漏诊。

【技术实现步骤摘要】
基于轴向自注意力的胰腺超声内镜站点识别方法和系统


[0001]本专利技术属于图像处理
，尤其涉及一种基于轴向自注意力的胰腺超声内镜站点识别方法和系统。

技术介绍

[0002]胰腺导管腺癌(pancreatic ductal adenocarcinoma，PDAC)是一种临床表现隐匿、发展迅速、预后极差的消化系统恶性肿瘤。由于胰腺癌早期特异性症状不显著，又缺乏有效的筛查和早期判断手段，很多病人在确诊时已属晚期，错过治疗最佳时期，因此，行之有效的PDAC早期判断方法，对PDAC患者及其家庭都具有重要的意义。
[0003]高危人群的PDAC早期筛查已经成为研究热点，且证实可显著改善预后。线阵EUS对于PDAC筛查有许多优势，因此，高质量线阵EUS胰腺扫查被认为是胰腺疾病包括PDAC在内的检测、定性和鉴别诊断不可缺少的工具。一方面，熟练掌握EUS操作对于受训者来说具有一定挑战性。独立开展安全及高质量胰腺EUS检查需要操作者从认知层面上掌握胰腺正常解剖以及对病变的解释能力。另一方面，现阶段胰腺EUS扫查存在不足之处：1)胰腺EUS规范扫查行业内缺乏统一的判断指标，极度依赖检查医生的主观经验和感受，也导致不同医生对胰腺EUS扫查图像的认识存有主观差异；2)超声图像的质量不佳造成识别部位难以确定。标准化的胰腺EUS扫查采用站点法，即实现高效完整的胰腺EUS的关键原则是覆盖所有站点。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种基于轴向自注意力的胰腺超声内镜站点识别方法和系统。r/>[0005]第一方面，本专利技术提供一种基于轴向自注意力的胰腺超声内镜站点识别方法包括：
[0006]获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像；
[0007]将所述胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像；
[0008]构建基于空洞轴向自注意力的第一标准站点识别网络；
[0009]将所述训练样本图像和测试样本图像依次输入至所述第一标准站点识别网络中，得到图像训练分类结果；
[0010]根据所述训练分类结果和真实站点标签计算目标损失函数，并更新所述第一标准站点识别网络的参数，得到第二标准站点识别网络；
[0011]采用第二标准站点识别网络按照引导线扫查标准站点并提示扫查盲区。
[0012]进一步地，所述获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像，包括：
[0013]基于站点式扫查原则，结合胰腺解剖结构特征，将胰腺超声内镜图像分为11个分类，包括胰腺头—肠系膜上静脉和上动脉、胰腺头部—门静脉汇合区及胆总管、胰腺头部—胆总管和主胰管、胰腺头部—降主动脉、胰腺颈部—门静脉汇合处、胰腺颈部—主胰管、胰
腺体部—腹主动脉和腹腔干、胰腺体部—脾静脉和脾动脉、胰腺尾部—左肾和胰腺尾部—脾脏和胰腺头部—壶腹部。
[0014]进一步地，所述将所述胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像，包括：
[0015]截取胰腺超声内镜图像的有效区域，去除与识别任务无关的信息边框，并统一截取后胰腺超声内镜图像的尺寸；
[0016]将统一尺寸的胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像。
[0017]进一步地，所述第一标准站点识别网络包括：初始层、L层空洞轴向自注意力块、全局平均池化层和线性全连接层。
[0018]进一步地，所述初始层用于提取统一尺寸的胰腺超声内镜图像的局部底层特征以及进行空间下采样，包括卷积层、批归一化层、ReLU激活函数和全局最大池化层。
[0019]进一步地，所述L层空洞轴向自注意力块根据线性变换得到多组的查询
‑
键
‑
值三元组，并根据不同的注意力头分支进行处理，拼接各个分支的输出并通过残差连接与原始输入特征相加，得到最终的输出。
[0020]进一步地，所述不同的注意力头分支由不同空洞率的行向空洞自注意力和列向空洞自注意力堆叠而成。
[0021]进一步地，所述行向空洞自注意力表示自注意力计算中每个查询元素的感受野是以其为中心的带有空洞的一维行向窗口；所述列向空洞自注意力是指自注意力计算中每个查询元素的感受野是以其为中心的带有空洞的一维列向窗口。
[0022]进一步地，所述目标损失函数采用第一标准站点识别网络输出结果和真实站点标签之间的交叉熵损失。
[0023]第二方面，本专利技术提供一种基于轴向自注意力的胰腺超声内镜站点识别方法，包括：
[0024]获取模块，用于获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像；
[0025]分类模块，用于将所述胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像；
[0026]构建模块，用于构建基于空洞轴向自注意力的第一标准站点识别网络；
[0027]输入模块，用于将所述训练样本图像和测试样本图像依次输入至所述第一标准站点识别网络中，得到图像训练分类结果；
[0028]计算模块，用于根据所述训练分类结果和真实站点标签计算目标损失函数，并更新所述第一标准站点识别网络的参数，得到第二标准站点识别网络；
[0029]扫查模块，用于采用第二标准站点识别网络按照引导线扫查标准站点并提示扫查盲区。
[0030]本专利技术提供一种基于轴向自注意力的胰腺超声内镜站点识别方法和系统，其中方法包括获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像；将所述胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像；构建基于空洞轴向自注意力的第一标准站点识别网络；将所述训练样本图像和测试样本图像依次输入至所述第一标准站点识别网络中，得到图像训练分类结果；根据所述训练分类结果和真实站点标签计算目
标损失函数，并更新所述第一标准站点识别网络的参数，得到第二标准站点识别网络；采用第二标准站点识别网络按照引导线扫查标准站点并提示扫查盲区。
[0031]本专利技术提供的站点识别网络采用空洞轴向自注意力作为主要的特征提取和变换模块，通过轴向分解和空洞窗口使注意力的复杂度降到线性，并利用多空洞率使网络的每层注意力计算能够捕获多尺度上下文关系。本专利技术通过构建高效和准确的站点识别模型，能在胰腺超声内镜扫查过程中自动识别检查盲区，辅助医师观察，避免胰腺超声内镜检查的漏查漏诊，有助于胰腺超声内镜扫查的质量监控。
附图说明
[0032]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为本专利技术实施例提供的一种基于轴向自注意力的胰腺超声内镜站点识别方法的流程图；
[0034]图2为本专利技术实施例提供的胰腺超声内镜扫查标准站点示意图；
[0035]图3为本专利技术实施例提供的第二标准站点识别网络的结构图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轴向自注意力的胰腺超声内镜站点识别方法，其特征在于，包括：获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像；将所述胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像；构建基于空洞轴向自注意力的第一标准站点识别网络；将所述训练样本图像和测试样本图像依次输入至所述第一标准站点识别网络中，得到图像训练分类结果；根据所述训练分类结果和真实站点标签计算目标损失函数，并更新所述第一标准站点识别网络的参数，得到第二标准站点识别网络；采用第二标准站点识别网络按照引导线扫查标准站点并提示扫查盲区。2.根据权利要求1所述的胰腺超声内镜站点识别方法，其特征在于，所述获取扫查的标准站点组成的引导线以及标准站点的胰腺超声内镜图像，包括：基于站点式扫查原则，结合胰腺解剖结构特征，将胰腺超声内镜图像分为11个分类，包括胰腺头—肠系膜上静脉和上动脉、胰腺头部—门静脉汇合区及胆总管、胰腺头部—胆总管和主胰管、胰腺头部—降主动脉、胰腺颈部—门静脉汇合处、胰腺颈部—主胰管、胰腺体部—腹主动脉和腹腔干、胰腺体部—脾静脉和脾动脉、胰腺尾部—左肾和胰腺尾部—脾脏和胰腺头部—壶腹部。3.根据权利要求1所述的胰腺超声内镜站点识别方法，其特征在于，所述将所述胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像，包括：截取胰腺超声内镜图像的有效区域，去除与识别任务无关的信息边框，并统一截取后胰腺超声内镜图像的尺寸；将统一尺寸的胰腺超声内镜图像进行分类，得到训练样本图像和测试样本图像。4.根据权利要求3所述的胰腺超声内镜站点识别方法，其特征在于，所述第一标准站点识别网络包括：初始层、L层空洞轴向自注意力块、全局平均池化层和线性全连接层。5.根据权利要求4所述的胰腺超声内镜站点识别方法，其特征在于，所述初始层用于提取统一尺寸的胰腺超声内镜图像...

【专利技术属性】
技术研发人员：邹晓平，吕瑛，彭春艳，李武军，王雷，许丽军，唐德华，
申请(专利权)人：南京大学，
类型：发明
国别省市：