基于协同学习特征融合和转换器的乳腺癌病灶分割方法

结合正电子发射断层扫描(PET)和计算机断层扫描(CT)的PET/CT成像技术是目前较先进的影像学检查手段,主要用于肿瘤筛查、良恶性鉴别诊断和分期分级。本文提出了一种基于PET/CT双模态图像的乳腺癌病灶分割方法,设计了一种双路U型网络框架,主要包括编码器模块、特征融合模块和解码器模块三个组成部分。其中,编码器模块使用传统的卷积进行单模态图像特征提取;特征融合模块采用协同学习特征融合技术,并使用转换器(Transformer)提取融合图的全局特征;解码器模块主要采用多层感知机以实现病灶分割。本文实验使用实际临床PET/CT数据评估算法的有效性,实验结果表明乳腺癌病灶分割的精确率、召回率和准确率分别达到95.67%、97.58%和96.16%,均优于基线算法。研究结果证明了本文实验设计的卷积与Transformer相结合的单、双模态特征提取方式的合理性,为多模态医学图像分割或分类等任务的特征提取方法提供参考。