【技术实现步骤摘要】
基于非局部注意力机制的多期相融合器官分割方法及装置
本申请涉及多期相器官分割
，尤其涉及一种基于非局部注意力机制的多期相融合器官分割方法及装置。
技术介绍
在医学图像分割领域，由于现有的CT成像技术能力有限，单期CT扫描往往难以准确定位器官的轮廓。而不同期相可以强调器官边界的不同细节，因此，参考不同期相的图像数据是尽可能完整识别器官边界的有效策略。比如许多指南明确推荐使用CT造影增强成像的双期包括动脉期和静脉期的胰腺方案。两个期相的图像数据在临床诊断中都很重要，尤其是癌症，动脉期的图像数据有助于发现肿瘤，静脉期的图像数据有助于显示周围结构的侵犯，双期图像数据为临床治疗提供了可靠的影像学依据。因此，目前国内外已经采用多期相融合分割方法进行器官自动分割。现有的多期相融合分割方法存在以下两个缺点导致器官分割的准确性较低：(1)现有的多期相融合分割方法的输入要么是医学图像的3Dpatch，要么是3张临近的切片，然而无论是3Dpatch还是切片均无法捕获医学影像强大的三维特性，也无法有效利用全局上下文信息；
【技术保护点】
1.一种基于非局部注意力机制的多期相融合器官分割方法，其特征在于，包括：/n分别对各待分割多期图像数据进行质心提取，得到待分割器官的质心；/n根据所述质心分别对各待分割多期图像数据进行切割得到多期相数据对，其中，所述多期相数据对中的每个期相数据包含所述待分割器官的全部切片；/n对所述多期相数据对进行可变形配准，得到配准后的多期相数据对；/n对配准后的多期相数据对进行下采样得到全局尺度多期相数据对，对配准后的多期相数据对进行切片分割得到局部尺度多期相数据对，通过预设多期相融合器官分割网络模型的两个训练路径分别对所述全局尺度多期相数据对进行特征提取，得到两个期相的全局特征，根据...
【技术特征摘要】
1.一种基于非局部注意力机制的多期相融合器官分割方法，其特征在于，包括：
分别对各待分割多期图像数据进行质心提取，得到待分割器官的质心；
根据所述质心分别对各待分割多期图像数据进行切割得到多期相数据对，其中，所述多期相数据对中的每个期相数据包含所述待分割器官的全部切片；
对所述多期相数据对进行可变形配准，得到配准后的多期相数据对；
对配准后的多期相数据对进行下采样得到全局尺度多期相数据对，对配准后的多期相数据对进行切片分割得到局部尺度多期相数据对，通过预设多期相融合器官分割网络模型的两个训练路径分别对所述全局尺度多期相数据对进行特征提取，得到两个期相的全局特征，根据所述两个期相的全局特征之间的位置关系和深度关系对所述两个期相的全局特征进行互补得到全局尺度分割结果，通过所述预设多期相融合器官分割网络模型的两个训练路径分别对所述局部尺度多期相数据对进行特征提取，得到两个期相的局部特征，根据所述两个期相的局部特征之间的位置关系和深度关系对所述两个期相的局部特征进行互补得到局部尺度分割结果，对所述全局尺度分割结果和所述局部尺度分割结果进行加权融合得到所述待分割器官的分割结果，其中，所述预设多期相融合器官分割网络模型为双路径全卷积网络。
2.根据权利要求1所述的方法，其特征在于，所述分别对各待分割多期图像数据进行质心提取，得到待分割器官的质心的步骤，包括：
根据预设器官分割模型分别对各待分割多期图像数据进行器官分割，得到初始分割结果；
根据所述初始分割结果确定所述待分割器官的质心。
3.根据权利要求1所述的方法，其特征在于，所述根据所述质心分别对各待分割多期图像数据进行切割得到多期相数据对的步骤，包括：
根据所述质心分别从各待分割多期图像中提取所述待分割器官的上下N层切片，得到包含所述待分割器官的全部切片的两个期相数据作为多期相数据对，其中，N为正整数。
4.根据权利要求1所述的方法，其特征在于，所述根据所述两个期相的全局特征之间的位置关系和深度关系对所述两个期相的全局特征进行互补得到全局尺度分割结果的步骤，包括：
根据所述两个期相的全局特征中的一个期相的每个位置特征对另一期相的对应邻域的位置特征进行互补，计算所述两个期相的相同通道间的交叉相位的注意力值，根据所述注意力值对所述两个期相的全局特征中的深度特征进行互补，得到全局尺度分割结果。
5.根据权利要求1所述的方法，其特征在于，所述根据所述两个期相的局部特征之间的位...
【专利技术属性】
技术研发人员：曲太平，李秀丽，薛华丹，金征宇，俞益洲，李一鸣，乔昕，
申请(专利权)人：杭州深睿博联科技有限公司，北京深睿博联科技有限责任公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。