基于注意力机制的食管鳞癌靶区勾画的研究与应用
作者单位：济南大学
学位级别：硕士
导师姓名：杨波;彭立志
授予年度：2023年
学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100214[医学-肿瘤学] 0802[工学-机械工程] 10[医学]
摘 要：食管鳞状细胞癌(Esophageal Squamous Cell Carcinoma,ESCC)简称食管鳞癌,是全球范围内较为常见的癌症之一,尤其在亚洲地区的分布更为广泛。对于早期食管鳞癌的治疗,放射治疗通常被作为主要的治疗手段,在放射治疗过程中,靶区勾画是非常重要的一步,它直接影响放射治疗的效果和患者的生存质量。传统靶区勾画是指医生通过手工的方式勾画出放疗的靶区和危及区域,这种方法需要医生具备较高的专业知识和丰富的经验,勾画过程也容易受到个体主观因素的影响,导致靶区勾画存在着不确定性。靶区勾画的准确性对于放射治效的效果至关重要。如果靶区勾画不准确,会导致放疗剂量不足或过高,从而无法达到治疗的预期效果。传统靶区勾画的优点是简单易行,不需要复杂的技术设备,适用于一些简单的放射治疗。然而,随着医学技术的不断发展,现代放射治疗已经逐渐转向了精准医疗的方向,需要更加精准的靶区勾画方法。目前,计算机辅助的自动化靶区勾画方法已经逐渐应用于放射治疗中,自动勾画方法可以提高靶区勾画的准确性和一致性,同时减少医生主观因素对靶区勾画产生的影响。本文以食管鳞癌放射治疗影像数据为主要研究对象,结合CHAOS挑战赛影像数据,研究了一种基于注意力机制的改进U-Net神经网络的食管鳞癌靶区勾画方法,并在此基础上构建了医疗服务辅助系统。主要工作如下:(1)为了方便医生和研究者对医学影像进行可视化分析和诊断,将DICOM医学数据格式转换为图像格式。DICOM虽然是医学影像的标准格式,但并不是所有的软件都支持DICOM文件的查看,所以将DICOM数据转换为图像格式,可以使用更广泛的软件和工具进行分析和处理。此外,在食管鳞癌CT图像中正常的组织数量远远大于肿瘤病变组织的数量,这会导致数据集类别不平衡的问题。为了减少类别不平衡问题对模型训练和预测产生的负面影响,本文使用一种食管区域粗分割方法减小图像的尺寸,从而平衡数据集中各类别的数量。(2)为了提升模型的特征提取和分割能力来有效的识别医学图像中的目标区域,提出了一种基于注意力机制的改进U-Net神经网络食管鳞癌靶区勾画方法。首先,在基础U-Net网络中加入多尺度特征融合技术,将不同尺度的特征相互结合以提高目标物的检测率。其次,将注意力机制加入神经网络中,简化通道注意力机制和提出一种全新的空间注意力机制,分别在通道域和空间域对深度神经网络提取的特征进行校准,帮助模型更聚焦地处理感兴趣的区域,从而提高模型的准确性。实验结果表明,改进的算法可以更好地分割目标区域,并且在数据指标上表现出良好的性能。(3)设计和开发了一套医疗服务辅助系统。系统平台向研究人员提供图像分割、可视化和开源数据集下载等服务,系统接入训练好的图像分割模型,对输入图像进行分析和预测,从而帮助研究人员和医务人员更准确的诊断、治疗和开展研究工作。系统同时向普通用户开放使用权限,以获取有关医疗健康方面的信息,从而更好地预防疾病。综上所述,本文对医学文件格式转换、医学图像预处理、医学图像分割、系统平台搭建进行了深入研究,并提出了相应的有效方法,以提高自动分割食管鳞癌放疗靶区的准确率。
同方学位论文库