[发明专利]一种基于PET/CT图像跨模态特征融合的食管癌肿瘤靶区分割方法

说明书

本发明公开了一种基于PET/CT图像跨模态特征融合的食管癌肿瘤靶区分割方法；该方法以Transformer融合注意力渐进语义嵌套网络TransAttPSNN作为食管癌肿瘤靶区三维分割模型实现食管癌肿瘤靶区分割；TransAttPSNN网络以注意力渐进语义嵌套网络AttPSNN为主干结构，包括两路分割网络，一路为PET流，另一路为CT流，两路分割网络的不同尺度特征阶层中嵌入Transformer跨模态自适应特征融合模块。和现有技术相比，本发明方法能有效提升食管癌肿瘤靶区的分割精度，获得更好的分割性能。

技术领域

本发明属于医学图像智能处理领域，具体涉及一种基于PET/CT图像跨模态特征融合的食管癌肿瘤靶区分割方法。

背景技术

食管癌早期无明显症状，导致其通常发展到晚期阶段才被诊断确诊。对于中晚期食管癌患者，放射治疗为主要参与疗法；特别是对放射线敏感的食管鳞状细胞癌，放射治疗尤为有效。放疗计划的设计首要依赖于食管癌肿瘤靶区勾画，准确的食管癌肿瘤靶区勾画有助于放射治疗过程中肿瘤受到充分射线剂量照射，还能防止肿瘤周围正常组织或危险器官因过度暴露于射线照射而被损害。当前临床上对食管癌肿瘤靶区的勾画任务由医生手工操作完成。这是一项繁冗、费时费力的工作，一定程度上占用浪费了大量宝贵的医疗资源。此外，手工勾画的方式依赖医生的临床经验进行主观评判与操作，这使得同一患者的食管癌肿瘤靶区勾画轮廓随不同医生的判定而产生相应变化，导致不适定问题。因此，借助计算机辅助技术开发有效的食管癌肿瘤靶区自动分割算法已成为迫切需求。

实际临床中，计划接受放射治疗的许多食管癌患者已进行了PET/CT影像检查。尽管当前已有一些技术采用深度学习的方法来分割食管癌肿瘤靶区，但这些技术并未基于PET/CT图像进行处理，且分割的准确率尚待提高。

发明内容

为充分利用功能代谢成像PET与解剖结构成像CT各自有利的互补信息，本发明旨在基于PET/CT图像进行处理，提供一种更为准确有效的食管癌肿瘤靶区分割方法。

本发明的技术方案具体如下。

一种基于PET/CT图像跨模态特征融合的食管癌肿瘤靶区分割方法，具体包括以下步骤：

S1.收集临床食管癌患者的PET/CT图像及其对应的标签，形成数据集；

S2.对PET/CT图像数据集进行预处理；

S3.建立食管癌肿瘤靶区三维分割模型：Transformer融合注意力渐进语义嵌套网络(Transformer Fusing Attention Progressive Semantically-Nested Network,TransAttPSNN)；

TransAttPSNN以注意力渐进语义嵌套网络(Attention ProgressiveSemantically-Nested Network,AttPSNN)为主干结构，AttPSNN在渐进语义嵌套网络(Progressive Semantically-Nested Network,PSNN)中引入了卷积注意力机制，其包括两路分割网络，一路为PET流，另一路为CT流，PET流与CT流的网络结构相同，同时两路分割网络的5个不同尺度特征阶层中嵌入Transformer跨模态自适应特征融合模块；在PET流与CT流之间，5个Transformer跨模态自适应特征融合模块被用于连接5个不同尺度的PET与CT特征图像，以对其进行自适应特征融合，融合后的结果又分别被传输回到PET流与CT流路径中参与后续信息前向传播，通过深度监督的连接方式，将上下两路AttPSNN解码路径上的输出以及两路各自的总输出先进行通道连接，再经由一个卷积层处理，最后通过输出层Sigmoid得到分割预测结果；

S4.训练所建立的TransAttPSNN分割模型；

S5.应用训练所得的TransAttPSNN分割模型对未知食管癌病患的PET/CT图像进行食管癌肿瘤靶区分割预测，输出最佳分割精度，并对分割结果进行可视化显示。