1.基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,包括:数据集生成模块,用于采集腹部CT图像,并标注出肾脏和肿瘤区域,得到的掩膜作为真实值,挑选包含肾脏和肿瘤区域的切片并预处理后生成图像数据集D第一阶段模型获得模块,用于构建轴向转换器U形网络模型深度学习网络,得到第一预测值,将图像数据集划分为训练集和测试集对该网络进行训练,得到第一阶段模型;
轴向转换器U形网络模型深度学习网络包括自动编码器、瓶颈层、反卷积上采样模块、自动解码器和分割头,自动编码器与自动解码器之间跳跃连接,自动编码器与瓶颈层之间加入下采样,瓶颈层与自动解码器之间加入上采样,其中自动编码器包括五个模块,前四个模块均为卷积模块,第五个模块为一个四层的三维轴向Transformer模块;瓶颈层包括两组卷积-ReLu激活函数对和一个六层的三维轴向Transformer模块;自动解码器包括四个模块,每个模块包括两组卷积-ReLu激活函数对,模块之间加入反卷积上采样;分割头由一个二维卷积构成;
其中,三维轴向Transformer模块中的每层包括一组高度轴特征提取器和宽度轴特征提取器,每层之间加入残差连接;
第二阶段模型获得模块,用于对图像数据集D
掩膜获取模块,将肾脏肿瘤的CT图像输入到第一阶段模型中,进行背景、目标区域的二类分割,得到肾脏和肿瘤区域的分割掩膜,记为第一掩膜;根据第一掩膜裁剪该CT图像后输入到第二阶段模型中进行背景、肾脏、肿瘤的三类分割,得到肾脏、肿瘤的分割掩膜,记作第二掩膜;
分割结果获得模块,用于结合第一掩膜和第二掩膜得到第三掩膜,并对其进行后处理得到最终的分割图像。
2.根据权利要求1所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,数据集生成模块被配置以执行以下动作:将腹部平扫CT图像中肾脏和肿瘤区域进行人工标注,得到真实值,其中0像素点代表背景,1像素点代表肾脏,2像素点代表肿瘤;将平扫CT图像进行预处理,包括B样条插值重采样、强度裁剪和Z-Score归一化,得到图像数据集D
3.根据权利要求1所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,第一阶段模型获得模块被配置以执行以下动作:步骤1、将图像数据集D
对第二特征图进行最大池化操作实现下采样使得图像分辨率下降一倍,通道数提升一倍,尺寸变为步骤2、利用骰子损失和交叉熵损失,计算第一预测值与真实值的误差,具体计算公式为:Loss
其中,Loss
将最终的损失函数经过反向传导,更新轴向转换器U形网络模型深度学习网络的各个层参数,得到第一阶段模型。
4.根据权利要求3所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,自动编码器中,每个卷积模块由残差连接的两组卷积-ReLu激活函数对组成,卷积和激活函数之间加入批量归一化层;每个卷积模块之间添加最大池化下采样和残差连接。
5.根据权利要求3所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,得到第二特征图包括以下内容:经过一个1×1的卷积使得通道数降低,为C
其中,x、y分别表示图像中像素格点的横坐标、纵坐标;u
再次进行特征重排,将三维图像按照宽度轴平铺为二维,计算按照宽度轴的轴向注意力,计算方法与按高度轴的轴向注意力的计算方法相同,经过1×1卷积学习特征的同时恢复通道数为C
6.根据权利要求5所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,第二阶段模型获得模块被配置以执行以下动作:步骤1、将图像数据集D
步骤2、将第二阶段图像数据集D
步骤3、利用骰子损失和交叉熵损失,计算第二预测值与真实值的误差,具体计算公式为:Loss
其中,Loss
将最终的损失函数经过反向传导,更新轴向转换器U形网络模型深度学习网络的各个层参数,得到第二阶段模型。
7.根据权利要求1所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,掩膜获取模块被配置以执行以下动作:对未经标注的腹部平扫CT图像进行预处理,预处理包括B样条插值重采样、强度裁剪和Z-Score归一化,输入到第一阶段模型中,得到相应的预测值,将预测值中大于0.5的像素值设定为目标区域,并将像素值统一为1;小于等于0.5的像素值设定为背景区域,并将像素值统一为0,将该二分类掩膜为第一掩膜;
根据第一掩膜裁剪CT图像,仅保留肾脏和肿瘤区域,将裁剪后的图像输入到第二阶段模型中,得到肾脏、肿瘤、背景的三类分割预测值,该预测值包含三个通道,表明每个像素点均对应三个通道,若第一通道的像素值最大,则该像素点为背景,像素值设置为0;若第二通道的像素值最大,则该像素点为肾脏,像素值设置为1;若第三通道的像素值最大,则该像素点为肿瘤,像素值设置为2,至此得到第二阶段分割掩膜;根据裁剪恢复第二阶段分割掩膜至原始CT图像大小,得到三分类掩膜为第二掩膜。
8.根据权利要求1所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,分割结果获得模块中后处理包括形态学操作、连通性分析和先验知识。
9.根据权利要求8所述的基于三维轴向Transformer模型的CT图像肾脏肿瘤分割系统,其特征在于,分割结果获得模块被配置以执行以下动作:取第一掩膜和第二掩膜非零区域的交集,保留两个掩膜共有的分割区域并进行合并,得到第三掩膜,其中像素值0表示背景,像素值1表示肾脏,像素值2表示肿瘤;对第三掩膜进行形态学膨胀操作,取最大的两个联通区域,若第二大联通区域体积小于最大联通区域体积的20%则舍弃第二大联通区域,反之则保留第二大联通区域,通过形态学腐蚀操作使图像还原,得到最终的分割图像。