一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法技术

本发明专利技术公开了一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法。该网络基于U‑Net架构，集成自主设计的动态多尺度可变形注意力模块DMSDA和DMSD Attention机制，在编码器与解码器各层均以DMSDA模块替代传统卷积结构，结合大核卷积、3D可变形卷积与卷积注意力机制，实现多尺度上下文信息的高效建模。其中DMSDA Block通过全局上下文信息的利用来重新校准局部特征，而DMSD Attention机制能够自适应调整感受野并增强模型对形态复杂目标的特征识别能力。这一设计兼顾了全局与局部信息的提取，提高了模型对医学影像中细粒度结构的感知能力，提升了复杂解剖结构的分割性能。

【技术实现步骤摘要】

本专利技术聚焦于医学图像处理，特别提出一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法。

技术介绍

1、胰腺癌(pancreatic carcinoma,pc)是一种高度恶性的肿瘤，具有极强的侵袭性、快速进展及高死亡率。据统计，2022年全球胰腺癌新发病例约51.1万，死亡病例达46.7万，占所有癌症相关死亡人数的近5％。其中，胰腺导管腺癌(pancreatic ductaladenocarcinoma,pdac)约占所有胰腺癌病例的80％，由于其早期诊断困难，患者的五年生存率仅约12％。研究表明，早期检测pdac可显著提高患者的生存率。非对比度计算机断层扫描(ct)已被提出作为pdac诊断与治疗评估的重要手段，同时也为大规模人群筛查提供了可能性。然而，无论是在早期筛查还是手术切除性评估过程中，精准分割ct影像中的胰腺及肿瘤均是至关重要的前提。然而，ct影像的人工标注需要逐层勾画，过程极为耗时且费力。因此，基于人工智能的胰腺自动分割成为当前研究的重点，旨在提高诊断效率并辅助制定精准治疗方案。

2、近年来，ct影像上腹部器官及肿瘤的自动分割技本文档来自技高网...

【技术保护点】

1.一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法，本专利技术用两个DMSDA Block组成替换U-Net每一层的卷积层，通过逐步提取、处理和重建特征表示，从而实现医学影像的高精度分割；该架构旨在增强网络动态捕捉变化的特征信息的功能，并结合可变形卷积机制以增强空间特征表达能力，并利用全局上下文信息来重新校准本地特征；这一设计兼顾了全局与局部信息的提取，提高了模型对医学影像中细粒度结构的感知能力。

3.根据权利要求1所述的一种动态多尺度可变形大核注意力分...

【技术特征摘要】

1.一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法，本发明用两个dmsda block组成替换u-net每一层的卷积层，通过逐步提取、处理和重建特征表示，从而实现医学影像的高精度分割；该架构旨在增强网络动态捕捉变化的特征信息的功能，并结合可变形卷积机制以增强空间特征表达能力，并利用全局上下文信息来重新校准本地特征；这一设计兼顾了全局与局部信息的提取，提高了模型对医学影像中细粒度结构的感知能力。

3.根据权利要求1所述的一种动态多尺度可变形大核注意力分割胰腺及其肿瘤的方法，在步骤(3)所述的dmsda block中，本发明采用了与vit相似的结构，但是不同之处在于，我们不使用self-attention的机制，而是设计一种新型的动态多尺度可变形大核注意力(dmsda)模块；其中将创新的dmsdattention机制与前馈网络(ffn)的结合，使模型能够在捕捉长距离依赖关系的同时保持计算效率。

4.根据权利要求3所述的一种新型的动态多尺度可变形大核注意力(dmsda)模块，在每个dmsda block中，我们首先应用批量归一化(batchnormalization)替代层归一化(layernormalization)，因为我们发现批量归一化在分割任务中带来更显著的性能提升；随后，采用动态多尺度可变形大核注意力模块构建空间注意力，并引入残差连接；dmsd attention机制能够捕获多尺度上下文信息以及不同通道之间的关系；1×1×1卷积的输出被直接用作注意力权重，用于重新校准dmsd attention模块的输入；接下来的部分再次进...

【专利技术属性】
技术研发人员：王庆凤，杨彬，孔令明，黄俊，唐焘，邓雅栖，蔡文杰，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：