(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 202210741079.8 (22)申请日 2022.06.28 (71)申请人 中国科学院深圳先进技 术研究院 地址 518055 广东省深圳市南 山区深圳大 学城学苑大道1068号 (72)发明人 贾富仓　方坤　 (74)专利代理 机构 深圳市科进知识产权代理事 务所(普通 合伙) 44316 专利代理师 刘建伟 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) (54)发明名称 一种CT胰腺肿瘤自动分割方法、 系统、 终端 以及存储介质 (57)摘要 本申请涉及一种CT胰腺肿瘤自动分割方法、 系统、 终端以及存储介质。 所述方法包括： 获取待 分割的三维CT图像； 对三维CT图像进行预处理； 将预处理后的三维CT图像输入训练好的 UMRFormer网络模型， UMRFormer网络模型生成不 同尺度的特征图， 并对所述特征图的长程依赖语 义信息进行编码， 输出所述三维CT图像的肿瘤分 割结果。 本申请提出了一种新型的深度融合特征 全局长距 离相关性和空间局部信息的UMRFormer 网络模型， 通过嵌入具有融合关注特征局部和全 局依赖性优势的类Transformer模块， 使网络模 型学习到更多胰腺肿瘤小目标的特征信息以及 肿瘤与周边组织间的全局长依赖特征信息， 提高 网络整体的分割精度。 权利要求书2页 说明书7页 附图4页 CN 115239637 A 2022.10.25 CN 115239637 A 1.一种CT胰腺肿瘤自动分割方法， 其特 征在于， 包括： 获取待分割的三维CT图像； 对所述三维CT图像进行 预处理； 将所述预处理后的三维CT图像输入训练好的UMRFormer网络模型， 所述UMRFormer网络 模型为U形对称结构， 所述UMRFormer网络模型利用3D  CNN生成不同尺度的特征图， 并利用 双层的类Tr ansformer模块对所述特征图的长程依赖语义信息进行编码， 输出所述三维CT 图像的肿瘤分割结果。 2.根据权利要求1所述的CT胰腺肿瘤自动分割方法， 其特征在于， 所述对所述三维CT图 像进行预处理具体为： 对所述三维CT图像进行增强处理， 并将增强后的三维CT图像剪裁为符合所述 UMRFormer网络模型输入的尺寸。 3.根据权利 要求1或2所述的CT胰腺肿瘤自动分割方法， 其特征在于， 所述UMRFormer网 络模型包括卷积层、 多头自注 意力机制层、 池化层、 归一化层以及上采样层， 所述UMRFormer 网络模型为U形对称结构， 在所述U型对称网络的跳跃连接阶段， 嵌入有双层的类 Transformer模块； 所述UMRFormer网络模型利用5层3D  CNN生成不同尺度的特征图， 捕捉空间和深度特 征， 然后利用双层的类Tr ansformer模块对全局空间中的第四层和第五层特征图的长程依 赖语义信息进行编码， 并将上采样层和卷积层反复叠加， 得到三维CT图像的分割结果。 4.根据权利要求3所述的CT胰腺肿瘤自动分割方法， 其特征在于， 所述UMRFormer网络 模型包括编码器和解码器， 所述编码器包括L个MRFormer模块， 每个MRFormer模块分别包括 1个多头自注意力模块、 3个深度卷积层以及4个后置归一化层， 将所述深度卷积层和归一化 层叠加作为一个组合， 通过跳跃连接形成残差单元， 采用3个深度卷积层加上归一化层组合 替换前馈网络， 并将多头 自注意力模块前面的归一化层进行后置， 使得归一化层从每个残 差单元的开始 移动到后端。 5.根据权利要求4所述的CT胰腺肿瘤自动分割方法， 其特征在于， 所述UMRFormer网络 模型的训练过程包括： 在编码器部分： 使用线性投影将前两层的通道大小分别从K1＝128， K2＝256增加到d1＝ 512， d2＝1024， 将输入的3D特征图的空间维度和深层维度统一压缩为一维， 将压缩后的特 征图添加到可 学习的位置编码中， 创建一个特性嵌入的公式： z1＝f1+PE1＝LP1×M1+PE1 z2＝f2+PE2＝LP2×M2+PE2 其中， LP1和LP2为线性投影运算， 和 表示位置编码， 和 表示特征嵌入； 第l层(l∈[1， 2， ..， L])类Transformer模块的 输出公式为： z′l＝LN(MHA(zl‑1))+zl‑1 zl＝LN3(DConv3(LN2(DConv2(LN1(DConv1(z′l))))))+z′l 其中， LN(*)为层归一 化， zl为第l层的MRFormer模块的输出， DCo nv(*)为深度卷积。 6.根据权利要求5所述的CT胰腺肿瘤自动分割方法， 其特征在于， 所述UMRFormer网络权　利　要　求　书 1/2 页 2 CN 115239637 A 2模型的训练过程还 包括： 在解码器部分:将所述双层的MRFormers模块输出的特征序列映射成三维特征映射， 对 所述三维特征映射进行上采样和卷积， 并通过长距离跳转连接与所述编码器特征融合， 获 取语义和空间细节信息 。 7.一种CT胰腺肿瘤自动分割 系统， 其特 征在于， 包括： 数据获取模块： 用于获取待分割的三维CT图像； 数据预处 理模块： 用于对所述 三维CT图像进行 预处理； 数据分割模块： 用于将所述预处理后的三维CT图像输入训练好的UMRFormer网络模型， 所述UMRFormer 网络模型为U形对称结构， 所述UMRFormer网络模型利用3D  CNN生成不同尺 度的特征图， 并利用双层的类Tr ansformer模块对所述特征图的长程依赖语义信息进行编 码， 输出所述三维CT图像的肿瘤分割结果。 8.一种终端， 其特 征在于， 所述终端包括处 理器、 与所述处 理器耦接的存 储器， 其中， 所述存储器存储有用于实现权利要求1 ‑6任一项所述的CT胰腺肿瘤自动分割方法的程 序指令； 所述处理器用于执 行所述存储器存储的所述 程序指令以控制CT胰腺肿瘤自动分割。 9.一种存储介质， 其特征在于， 存储有处理器可运行的程序指令， 所述程序指令用于执 行权利要求1至 6任一项所述CT胰腺肿瘤自动分割方法。权　利　要　求　书 2/2 页 3 CN 115239637 A 3