基于双重注意力机制与CNN的耳鼻喉部肿瘤CT图像重建方法研究OA

目的:针对低辐射剂量条件下耳鼻喉部肿瘤稀疏CT图像存在信息缺失、肿瘤边界模糊以及传统重建方法特征表达能力不足等问题,提出一种基于双重注意力机制(dual attention mechanism,DAM)与卷积神经网络(convolutional neural network,CNN)的迭代重建方法。方法:首先,以CNN为核心架构,实现肿瘤纹理、形态等多维度特征的层级化提取;其次,嵌入DAM,通过空间注意力增强肿瘤区域位置关联,通过通道注意力强化肿瘤特异性特征,完成双维度特征优化;最后,结合8轮迭代机制构建双重注意力迭代重建卷积神经网络(dual attention iterative reconstruction convolutional neural network,DA-IRCNN)模型。为验证DA-IRCNN模型在耳鼻喉部肿瘤CT图像重建及辅助肿瘤TNM分期中的性能,与滤波反投影法、变分自编码器模型、Transformer模型进行对比。结果:DA-IRCNN模型重建的图像可清晰还原喉癌等肿瘤的边缘锐利度与细微结构,在测试集上的结构相似度为0.93±0.02、均方根误差为8.5±1.2,在60%采样率下的峰值信噪比为(39.2±0.2)dB,辅助肿瘤TNM分期的诊断准确率为(91.7±2.5)%,均优于3种对比方法。结论:提出的迭代重建方法可显著提升耳鼻喉部肿瘤稀疏CT图像的重建质量与临床诊断准确性,为低辐射场景下肿瘤精准诊疗提供了可靠的影像支持。