一种用于术后吞咽功能分析的舌背 Cine-MRI 分割新方法

A New Cine-MRI Segmentation Method of Tongue Dorsum for Postoperative Swallowing Function Analysis

摘要

背景： Cine-MRI 具有高时空分辨率且无辐射的优势，已成为评估头颈部肿瘤患者吞咽功能的新方法。然而，人工标注 Cine-MRI 影像的工作量较大，且存在主观性差异，影响结果的稳定性。

目的： 本研究提出了一种基于改进 Cine-MRI 分割模型的吞咽分析方法，旨在自动计算吞咽过程中舌背运动参数，并进行定量分析，以减轻医生的工作负担并提高标注的鲁棒性。

方法：

1. 舌背运动参数计算：基于人工标注的吞咽结构，提出计算舌背运动参数的方法，实现吞咽能力的定量分析。
2. 空间-时间混合模型：构建由卷积和时序 Transformer 组成的混合模型，以从吞咽周期的 MRI 序列中自动提取舌背掩膜序列。
3. 多头时序自注意力机制（MTSA）：充分利用 Cine-MRI 的时序信息，在不同帧之间建立关联，优化单帧分割效果。
4. 时序相对位置编码（TRPE）：结合吞咽不同阶段的时序信息，提高网络对吞咽过程的理解能力。

结果：
实验表明，所提出的分割模型在 Dice Score 上比当前最优方法提升 1.45%，且基于模型掩膜和医生标注所得吞咽特征点位移数据的组间相关系数（ICC）均超过 90%，验证了模型的可靠性。

代码开源地址： https://github.com/MinghaoSam/SwallowingFunctionAnalysis。

方法

图 1.舌背运动计算方法的图示，包括 （a） 由舌背和注册坐标轴组成的注释图像，（b） 舌尖和舌根端点的舌背掩码，（c） 射线与舌背轮廓的交点，以及 （d） 提取的舌背特征点。

实验结果

图 4.在U-Net和UCTransNet的输出中，在舌背结构中观察到完整的节段。与其他模型相比，ACC-UNet 的分段精度并不令人满意。尽管 DSCNet 在舌背预测中显示出更好的连续性，但它在吞咽后期容易受到液体的强度干扰。利用时间转换器，我们的模型在多个帧之间建立了相关性，从而获得了卓越的分割完整性。