一种基于多维特征注意力模块的交叉伪监督图像分割方法技术

本发明专利技术公开了一种基于多维特征注意力模块的交叉伪监督(MFA

【技术实现步骤摘要】
一种基于多维特征注意力模块的交叉伪监督图像分割方法


[0001]本专利技术属于医学图像中的左心房图像分割领域，具体涉及一种基于多维特征注意力模块的交叉伪监督(MFA
‑
CPS)图像分割方法。

技术介绍

[0002]房颤是临床中最常见的心律失常。根据最近对人类左心房的钆增强磁共振成像的研究表明，该成像能够精确地展示左心房的三维形态结构，使得医生能够更容易地通过左心房结构来评价左心房的纤维化程度，为房颤患者的治疗提供更多的决策。但现有大多数利用钆增强磁共振成像分析左心房结构的研究都是基于劳动密集型、容易出错的人工分割。因此，亟需一种能够对左心房图像自动分割的深度学习方法，以准确地重建和可视化左心房结构，以供临床使用。
[0003]由此可以看到，左心房图像自动分割任务的研究是医学领域中房颤治疗至关重要的一步。在临床诊断上，专家专门为三维左心房的图像数据注释可靠的标签，是十分昂贵和耗时的，因此在左心房图像分割任务的深度学习中，没有足够的标记数据来支持左心房图像分割任务的完全监督学习。近年来，基于半监督学习进行图像标记的方法成为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维特征注意力模块的交叉伪监督(MFA
‑
CPS)图像分割方法，其特征在于能够在保持输出一致性的同时，保持特征学习的一致性，并利用有限的标记数据和丰富的无标记数据，准确地实现左心房图像分割任务，获得较完整的左心房图像分割结果，具体包括如下步骤：步骤1：构建MFA
‑
CPS框架。该框架主要由主干网络、交叉伪监督模块(Cross Pseudo Supervision,简称CPS)和多维特征注意力模块(Multidimensional Feature Attention,简称MFA)组成。其中主干网络为两个相同结构的分割网络(Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation，简称VNet)。步骤2：将左心房训练图像数据x和在噪声干...

【专利技术属性】
技术研发人员：何建军，夏恩，廖章权，杨伊凡，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：