(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210745666.4 (22)申请日 2022.06.28 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 朱本鹏　栾顺尧　李家普　魏伟　 薛旭东　欧阳君　杨晓非　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 彭军芬 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/26(2022.01) G06V 10/40(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 CT图像的靶区分割识别方法及系统 (57)摘要 本发明公开了一种CT图像的靶区分割识别 方法及系统， 属于生物医学图像分割领域， 方法 包括： 获取CT图像， 利用Transformer编码器对CT 图像进行特征提取以得到第一特征图， 利用多尺 度编码器对CT图像进行特征提取 以得到第二特 征图； 利用特征自适应注意力模块对第一特征图 和第二特征图进行特征融合， 得到融合特征图； 利用解码器对融合特征图进行逐层特征解码， 以 实现对CT图像端到端的靶区分割。 该系统可以自 动对CT图像进行勾画操作， 大幅缩短了人工勾画 过程耗费的时间和精力， 提高了勾画效率和精 度， 自动勾画的结果可以被直观 地展示出来并保 存至本地， 方便后续 查看和校对。 权利要求书2页 说明书8页 附图4页 CN 115018809 A 2022.09.06 CN 115018809 A 1.一种CT图像的靶区分割识别方法， 其特 征在于， 包括： S1， 获取CT图像， 利用Transformer编码器对所述CT图像进行特征提取以得到第一特征 图， 利用多尺度编码器对所述CT图像进行 特征提取以得到第二特 征图； 其中， 所述多尺度编码器包括两个不同尺度的子编码器， 用于将所述CT图像转换为尺 度与所述子编 码器尺度一致的影像并输入相应的子编 码器中， 进行特征提取后分别输出两 组尺度相同的特征图Fα和特征图Fβ； 对所述子编码器每一级隐藏的特征映射依次进行特征 提取、 下采样和级 间特征拼接， 生成与 各所述子编码器对应的特征图Hα和特征图Hβ， 所述第 二特征图包括特征图Fα、 特征图Fβ、 特征图Hα和特征图Hβ； S2， 利用特征自适应注意力模块对 所述第一特 征图和第二特 征图进行 特征融合， 得到融合特 征图； S3， 利用解码器对所述融合特征图进行逐层特征解码， 以对所述CT图像进行端到端的 靶区分割， 以确定危及器官与病变组织的位置 。 2.如权利要求1所述的CT图像 的靶区分割识别方法， 其特征在于， 所述Transformer编 码器包括多头注意力模块和多层感知机模块， 所述利用Tr ansformer编码器对所述CT图像 进行特征提取包括： 将所述CT图像转换为与所述Transformer编码器输入相匹配的序列； 利用所述多头注意力模块将所述序列分别投影到原始高维空间的不同子空间中进行 自注意计算， 得到各子空间中的自注意分数， 将各子空间中的自注意分数级联得到级联分 数； 利用所述多层感知机模块对所述级联分数进行特征空间转换， 得到输出向量， 并将所 述输出向量 转换为三维矩阵形式以作为所述第一特 征图。 3.如权利要求2所述的CT图像的靶区分割识别方法， 其特征在于， 所述自注意计算包 括： 计算所述序列在任一子空间中的查询向量、 关键向量和值向量， 对所述查询向量和所 述关键向量进行点积运 算， 得到注意力得分； 通过softmax激活函数对所述注意力得分进行归一化处理， 得到归一化分数， 将所述归 一化分数与所述 值向量相乘， 得到所述子空间的自注意分数。 4.如权利要求2所述的CT图像的靶区分割识别方法， 其特 征在于， 所述级联分数为： MHA(Xl)＝Xl+Concat[HA(Xl)1HA(Xl)2…HA(Xl)h]×Wo 其中， MHA(Xl)为所述级联分数， Xl为所述序列， Concat[ ·]为特征通道融合算子， HA (Xl)i为子空间i的自注意分数， i＝1,2, …,h， h为所述多 头注意力模块中独 立自注意层的个 数， Wo为可学习矩阵。 5.如权利要求2 ‑4任一项所述的CT图像的靶区分割识别方法， 其特征在于， 所述输出向 量为： Xl+1＝MLP(MHA(Xl))+MHA(Xl) 其中， Xl+1为所述输出向量， MLP( ·)为由两个带有GeLu激活函数的线性层组成的MLP网 络， MHA(Xl)为所述级联分数， Xl为所述序列。 6.如权利要求1所述的CT图像的靶区分割识别方法， 其特征在于， 所述特征自适应注意 力模块包括 通道注意力模块和空间注意力模块， 所述S2包括： 将所述第一特 征图和所述第二特 征图结合， 生成增强特 征图；权　利　要　求　书 1/2 页 2 CN 115018809 A 2利用所述通道注意力模块对所述增强特征图的空间维度信 息进行聚合， 并推导出更细 通道上的注意力， 生成通道 注意力图； 利用所述空间注意力模块对所述通道注意力图依次进行最大池化和平均池化之后， 对 每个像素点在不同通道上的像素进行线性组合， 得到所述融合特 征图。 7.如权利要求1所述的CT图像的靶区分割识别方法， 其特 征在于， 所述S1之前还 包括： 以Dice损失函数达到全局最优解为目标， 训练所述Transformer编码器、 多尺度编码 器、 特征自适应注意力模块和解码器。 8.一种CT图像的靶区分割识别系统， 其特 征在于， 包括： 编码模块， 用于利用Transformer编码器对CT图像进行特征提取以得到第一特征图， 利 用多尺度编码器对所述CT图像进行 特征提取以得到第二特 征图； 其中， 所述多尺度编码器包括两个不同尺度的子编码器， 用于将所述CT图像转换为尺 度与所述子编 码器尺度一致的影像并输入相应的子编 码器中， 进行特征提取后分别输出两 组尺度相同的特征图Fα和特征图Fβ； 对所述子编码器每一级隐藏的特征映射依次进行特征 提取、 下采样和级 间特征拼接， 生成与 各所述子编码器对应的特征图Hα和特征图Hβ， 所述第 二特征图包括特 征图Fα、 特征图Fβ、 特征图Hα和特征图Hβ； 特征融合模块， 用于利用特征自适应注意力模块对所述第 一特征图和第 二特征图进行 特征融合， 得到融合特 征图； 解码识别模块， 用于利用解码器对所述融合特征图进行逐层特征解码， 以对所述CT图 像进行端到端的靶区分割， 以确定危及器官与病变组织的位置 。权　利　要　求　书 2/2 页 3 CN 115018809 A 3