基于Transformer的胸部CT图像肺癌分割系统的设计

摘要

随着医学影像技术的不断发展，胸部CT图像在肺部疾病的早期诊断和治疗中扮演着至关重要的角色，同时辅助识别系统的设计可以给医护人员提供参考，降低因人为因素而引发错误的概率。针对胸部CT图像肺癌任务中多通道特征重要性差异问题，提出了TransUnet-SE分割网络，此网络是基于残差感知的Transformer的U型肺癌区域分割网络进行改进，将SENet注意力机制嵌入解码器上采样过程，通过“压缩、激励、尺度调整”三步流程精准缓解多通道特征差异。为验证模型的泛化性能，首先在公共医学数据集Synapse多脏器CT数据集上进行了实验验证，然后在Lung-PET-CT-Dx数据集上选取肺癌患者的CT图像进行实验，评估所提模型与先进模型的性能并进行了比较。实验结果表明，Dice相似系数达到了86.05%,并基于PyQt5设计胸部CT图像肺癌辅助分割系统调用TransUnet-SE模型权重实现分割功能，为临床诊断提供支持。

关键词

胸部CT图像 / Transformer / 肺癌分割 / 系统设计 / U型网络