课题来源： 某省肿瘤医院横向委托项目

案例定位： 面向肺部CT影像中病灶与周围组织对比度低、肿瘤与正常组织粘连、背景噪声大导致分割精度不足的痛点，开展数据驱动的肿瘤精准分割与辅助诊断技术转化研究

1 项目背景

某省肿瘤医院长期承担肺部肿瘤影像的诊断与评估工作。临床中，肺部肿瘤的精确分割是量化分析、疗效评估和手术规划的基础，但病灶形态多样、边界模糊，手动勾画不仅耗时且存在观察者间差异。现有基于传统卷积神经网络的自动分割方法主要关注局部特征，缺乏对全局语义信息的有效建模，在复杂粘连、低对比度场景下常出现漏分割或过分割。

深度森林从专利挖掘与高价值技术转化的角度切入，围绕"CT影像数据预处理-全局-局部注意力机制设计-通道优先卷积注意力特征融合-分割模型训练与临床验证"全链路技术路径，完成了包含基于Transformer与注意力机制的肺部肿瘤分割方法、编码器全局-局部注意力模块、跳跃连接通道优先卷积注意力结构等在内的多项发明专利群布局，并同步开展了基于私有数据集GDPH、公开数据集LUNG1的真实CT数据算例验证与临床适配。

2 本专利要解决的问题

肺部肿瘤与周围组织对比度低，边界模糊，传统CNN分割模型主要依赖局部感受野，难以捕获全局上下文信息，导致对粘连病灶分割精度偏低。

3 专利技术核心价值点

3.1 全局-局部注意力机制驱动的Transformer编码器

本发明提出一种全局-局部注意力Transformer块（GLTB），在标准Transformer编码器中引入并行的全局自注意力分支与卷积局部分支。全局分支通过多头自注意力（MSA）捕获长距离依赖，局部分支利用3×3和1×1卷积与组归一化提取细粒度局部上下文，最后对两支特征求和，使网络同时具备全局语义理解与局部细节保持能力。GLTB第l层的计算可表示为：

其中GLA为全局-局部注意力操作，GN为组归一化，MLP为多层感知机。该模块有效缓解了远距离特征建模不足导致的边界模糊难题。

3.2 通道优先卷积注意力机制增强跳跃连接

针对跳跃连接中不同层级特征图的语义差距与通道冗余，本发明引入通道优先卷积注意力模块（CPCA）。该模块顺序执行通道注意力和空间注意力，其中空间注意力采用多尺度深度可分离条形卷积核提取每个通道的关键空间区域，生成动态分布的空间注意力图，最终与通道注意力特征进行逐元素相乘，实现通道和空间维度的双重自适应特征细化。CPCA可无缝嵌入编码器与解码器之间的各层跳跃连接，提升多尺度特征融合时对肿瘤区域的敏感度。

3.3 混合损失驱动的端到端分割模型与临床验证闭环

本发明构建了CPCATNet（Channel Prior Convolutional Attention Transformer-UNet）端到端分割模型，其损失函数设计为Dice损失与交叉熵损失的加权混合：

其中α∈(0,1)用于平衡两项，通过实验确定最优α=0.6，可使模型同时关注像素级分类准确性与区域重叠相似度，有效处理前景-背景不平衡问题。基于此模型，形成“CT影像数据采集-预处理-自动分割-放射科医师复核”的数据闭环，实现从扫描影像到肿瘤区域输出的自动化流程。

4 专利转化验证与分析

为验证本发明方法在真实肺部肿瘤CT分割场景中的有效性与先进性，选取某省肿瘤医院私有数据集GDPH（824例）和公开数据集LUNG1（422例）作为基准测试集，图像经裁剪、重采样至1×1×1 mm3各向同性分辨率并窗宽窗位归一化处理。采用Dice相似系数和豪斯多夫距离（HD）作为评价指标，其计算为：

其中P为预测结果，G为金标准标签。

在8种主流分割方法对比中，CPCATNet在GDPH数据集上取得了Dice=90.96%、HD=59.52 mm的最优性能；在LUNG1数据集上Dice=88.18%、HD=46.82 mm，均显著优于U-Net、DenseUNet、TransUNet、Swin-UNet等对比模型。消融实验证实，引入GLTB模块使Dice提升2.98%（GDPH）和2.66%（LUNG1），再嵌入CPCA模块后Dice进一步分别提升3.03%和3.05%，充分验证了全局-局部注意力与通道优先卷积注意力的协同增益。图6展示了粘连肿瘤与背景噪声大等困难病例的分割效果，CPCATNet的分割边界更接近金标准标签，漏分割和过分割现象明显少于其他方法。

在临床流程效率提升方面，采用本发明方法完成单例CT的肿瘤自动分割仅需数秒，而资深放射科医师手动勾画平均耗时约15-20分钟。在验证集中，自动分割结果经医师微调后可直接用于临床报告的比例超过85%，预计可大幅减轻影像科工作负荷，提升肺癌筛查与随访评估的标准化水平。

5 专利转化成效

相关技术成果已进入实质转化与权属固化阶段。

深度森林公司与该省肿瘤医院围绕“基于改进Transformer的肺部肿瘤区域分割与识别方法”核心技术体系，已完成1项国家发明专利与2项软件著作权的组合申请与布局。后续拟结合医院承担的肺癌早筛影像质控与结构化报告系统建设项目开展规模化应用部署，预期可将肺部肿瘤影像分割的人工复核时间缩短70%以上，分割精度（Dice）稳定在0.88以上，为精准影像诊断与个体化治疗评估提供关键技术支撑。

山东深度森林信息科技有限公司是一家面向高质量专利“挖掘-设计-转化”的技术服务团队。