CN115330816B 基于多头交叉注意力转换网络的多时相肝肿瘤分割方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115330816B(45)授权公告日2025.07.08

(21)申请号202210973043.2

(22)申请日2022.08.15

(65)同一申请的已公布的文献号申请公布号CN115330816A

(43)申请公布日2022.11.11

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人缑水平童诺王琨茹吴锐姚瑶徐珊珊李阳阳

(74)专利代理机构陕西电子工业专利中心

61205

专利代理师王品华

(51)Int.CI.

GO6T7/11(2017.01)

GO6T7/174(2017.01)

G06T7/194(2017.01)

GO6N3/0464(2023.01)

GO6N3/0455(2023.01)

GO6N3/084(2023.01)

GO6N3/09(2023.01)

(56)对比文件

CN112785598A,2021.05.11

CN112785605A,2021.05.11

审查员隗仁然

权利要求书2页说明书6页附图4页

(54)发明名称

基于多头交叉注意力转换网络的多时相肝肿瘤分割方法

(57)摘要

CN115330816B本发明公开了一种基于多头交叉注意力转换网络的多时相肝肿瘤分割方法，主要解决现有方法在对肝肿瘤提取特征时产生底层边缘、纹理形状信息损失，造成分割精度低的问题。其实现方案是：获取多时相CT影像数据集进行预处理，并划分出训练集和测试集；构建基于多头交叉注意力转换网络的多时相肝肿瘤分割模型；构建肝肿瘤分割模型的损失函数；采用反向传播法用多时相CT训练集对肝肿瘤分割模型进行迭代训练；将测试集输入到训练好的模型中得到分割结果。本发明能够对两期图像的特征进行相关性分析并有选择性的融合，能强化肝肿瘤相关信息并屏蔽无关信息，有效提升肝肿瘤的分割精度，可用

CN115330816B

割。

获取多时相

获取多时相CT影像数据集并进行预处理

划分多时相CT影像数据集

构建基于多头交叉注意力转换网络的多时相肝肿瘤分割

利用反向传播法对肝肿瘤分割模型进行

迭代训练，得到训练好的肝肿瘤分割模

型

分割肝肿瘤

CN115330816B权利要求书1/2页

2

1.一种基于多头交叉注意力转换网络的多时相肝肿瘤分割方法，其特征在于，包括：

(1)获取多时相CT影像数据集并进行预处理：

(1a)采用窗口法将CT值的范围缩小，拉大肝脏与周围组织的对比度，设置窗位为50HU,窗宽为300HU,将CT图像的CT值限制在[-100HU,200HU]区间内；

(1b)采用最小-最大标准化对CT图像进行归一化处理，将CT值映射到区间[0,1]内；

(1c)将归一化后的动脉期图像和门静脉期图像及对应的门静脉期肝肿瘤标签进行下采样至256×256;

(2)将预处理后的多时相CT影像数据集应用随机选择的方法按照3:1的比例划分为训练集和测试集，其中训练集中包含动脉期和门静脉期图像各7774张，测试集中包含动脉期和门静脉期图像各1323张，且动脉期和门静脉期图像共用标注的门静脉期肝肿瘤标签；

(3)构建基于多头交叉注意力转换网络的多时相肝肿瘤分割模型：

(3a)构建由多个并行连接的线性层、多个并行连接的交叉注意力层、一个拼接层和一个线性层依次级联组成的多头交叉注意力块，其中交叉注意力层由MatMul矩阵相乘层、尺度归一化层、Softmax层和一个MatMul矩阵相乘层依次级联组成；

(3b)构建由两个并行连接的位置编码层、两个并行连接的归一化层、一个多头交叉注意力块、一个拼接层和一个线性层依次级联组成的特征融合模块MCAF;

(3c)选用现有的TransUNet网络，将特征融合模块MCAF连接到该网络的编码器和TransformerLayer层之间，构成基于多头交叉注意力转换网络的多时相肝肿瘤分割模型；

(4)将多时相CT训练集输入到构建好的肝肿瘤分割模型中，设置该模型的分割损失Losseg、一致性损失Lossaf和水平集损失Loss1s,利用反向传播法对其进行迭代训练，得到训练好的肝肿瘤分割模型；

(5)