[发明专利]一种注意力机制引导的肾CT图像分割方法

说明书

本发明公开了一种注意力机制引导的肾CT图像分割方法，涉及深度学习领域；本发明首先对CT图像进行数据预处理和数据增广的操作，经过这些操作后，被处理过的图像会进入它们的编码器，编码器其中会包括多层下采样层以提取图像不同尺度的特征，然后从编码器输出的特征图谱会进入注意力机制模块，融合全局和局部的信息，最后，进入解码器，输出图像的分割结果；本专利能够有效解决手动分割肾肿瘤会耗费大量人力资源、已有方法未充分利用图像的局部和全局信息等问题，提高了分割精度，因此具有较高的应用价值和临床治疗的应用前景。

技术领域

本发明涉及深度学习领域，尤其涉及一种注意力机制引导的肾CT图像分割方法。

背景技术

肾肿瘤是泌尿系统较常见的肿瘤之一，多为恶性。临床中常见的肾肿瘤包括源自肾实质的肾细胞癌、肾母细胞瘤以及发生于肾盂肾盏的移行细胞乳头状肿瘤。成人恶性肿瘤中肾肿瘤占2％～3％，而肾母细胞瘤是婴幼儿中最常见的实体恶性肿瘤，发病率占婴幼儿恶性肿瘤的20％左右。除此之外，肾癌是男性中第9位最常发生的癌症，也是女性中第14位最常见的癌症。2018年新发病例超过40万。

在现代医学影像分析领域中，对整个肾脏中肿瘤及其子结构进行准确建模、定位和分割是肾癌检测的重要环节，在临床上有着广阔的应用前景。然而，整个肾脏CT图像的分割和配准是具有挑战性的，且现今仍然完全依赖于手动分割，不仅会耗费大量人力资源，还容易出现不可避免的错误，无法保证精度的稳定性。自动全肾脏肿瘤分割的挑战在于，每一个患者的肿瘤大小不尽相同，其子结构占整个图像的比重又相对而言比较少。

影像基因组学能够通过AI提取大量肿瘤影像特征，同时将影像特征与肿瘤的潜在基因突变状态相关联，实现对肿瘤基因突变状态的治疗前预测，同时为临床靶向治疗提供依据。尽管目前AI在肾肿瘤的临床研究中已经取得了一定的进展，但肾肿瘤影像在AI领域还未受到应有的重视，其原因如下：首先，相对于其他发病率更高及预后更差的肿瘤，如肺癌、肝癌等，肾肿瘤的临床研究相对少见，从而导致肾肿瘤的AI影像研究也相对较少；其次，目前肾肿瘤影像所面临的临床问题未受到足够重视，因此缺乏对利用AI解决肾肿瘤影像相关问题的深入探索。

为此，本发明提出一个新的基于注意力机制引导的肾CT图像分割网络，用以充分利用图像中的全局和局部信息来引导一个健壮的肾和肾肿瘤分割。

发明内容

本发明所要解决的技术问题是针对背景技术中肾肿瘤影像在AI领域还未受到应有的重视的问题提供一种注意力机制引导的肾CT图像分割方法。

本发明为解决上述技术问题采用以下技术方案：

一种注意力机制引导的肾CT图像分割方法，包含以下步骤：

步骤1、输入CT图像；

步骤2、数据预处理和数据增广；

步骤3、经过处理的图像输入编码器；

步骤4、经过编码的图像进入注意力机制模块进行处理；

步骤5、经过处理的图像进入解码器；

步骤6、输出经过解码的图像。

作为本发明一种注意力机制引导的肾CT图像分割方法的进一步优选方案，所述步骤2数据预处理和数据增广，具体包含以下步骤：