申请/专利权人：天津工业大学

申请日：2024-03-29

公开（公告）日：2024-06-14

公开（公告）号：CN118197627A

主分类号：G16H50/30

分类号：G16H50/30;G16H50/70;G16H50/20;G16H10/40;G16H30/20;G06V10/764;G06V10/82;G06V10/44;G06V10/80;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.12#实质审查的生效;2024.06.14#公开

摘要：本发明提供了一种基于CT切片注意力Transformer的胃肠道间质瘤风险等级预测方法，可以自动整合CT图像的序列信息和临床信息对患者胃肠道间质瘤进行危险度分级。首先使用切片间注意力机制来捕捉CT切片间的序列关系，然后将切片间的注意力机制嵌入到Transformer中构成多头切片间注意力机制模块，简称IAT模块。将IAT模块应用到VisionTransformer网络中构成基于切片间序列关系注意力机制的特征提取网络提取CT图像特征，最后融合临床信息特征进行胃肠道间质瘤的危险度分级。与其他方案相比本发明具有良好的模型性能，可应用于辅助医生诊断的场景，具有较好的发展前景。

主权项：1.一种基于CT切片注意力Transformer的胃肠道间质瘤风险等级预测方法，包括下列步骤：步骤1：收集胃肠道间质瘤患者的CT图像以及临床信息作为原始数据集；步骤2：进行数据预处理，对CT图像进行分割ROI区域、数据均衡化、截取ROI区域和数据归一化处理；对临床信息数据进行数据清洗和数据归一化；步骤3：将Resnet作为编码器对患者每张CT图像提取特征，得到一个特征图的堆栈其中f是患者CT切片图像的张数，w是特征图的宽度，c是通道数，h是高度，将池化操作后的特征图堆栈经过线性映射得到模型中查询向量Q和键值K，α表示平均池化因子，正常编码后的特征图堆栈做线性变换得到值V，具体的计算公式为： V＝xWV然后在四维空间中计算切片之间的注意力矩阵 其中，dα＝hwcα2；切片序列间的注意力的输出计算公式为：y＝AV；步骤4：将切片间的注意力机制嵌入到Transformer中构成多头切片间注意力机制模块，简称IAT；编码器的输出作为IAT模块的输入，并行执行多个注意力机制得到yi，i＝1，2，...H，H是注意力头的数量，将c个维度所有yi合并操作得到y，再经过线性投影、激活函数和带有跳跃连接的层归一化得到IAT模块的输出： 步骤5：对每个提取到的深度特征图进行位置编码，加入一个可学习的位置编码PEi，对于每一切片，通道2j和通道2j+1上的所有元素位置编码为： 经过位置编码后的深度学习特征经过N个Transformer块，不同切片的特征映射相互作用于切片序列之间信息学习，最后将0位置编码的特征向量将其经过拉平操作成为一维特征向量z0；步骤6：对临床信息得到的一维特征向量与z0进行拼接操作，并以患者的序号作为索引，得到特征向量将其输入到改进的MLP线性映射层中，对患者进行胃肠道间质瘤的风险等级预测。

全文数据：

权利要求：

百度查询： 天津工业大学 基于CT切片注意力Transformer的胃肠道间质瘤风险等级预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD