基于改进TransUNet的CT图像全心脏分割方法技术

本发明专利技术为基于改进TransUNet的CT图像全心脏分割方法，首先对数据集进行预处理，然后搭建图像分割模型，通过搭建TransUNet结构作为分割网络，分割网络包括编码器、解码器和分类器；解码器将输出的融合后的高分辨率图像特征送入轴向注意力模块，对全局信息进行提取，并更好地捕获与利用局部信息，降低计算复杂度；通过跳跃连接进一步融合浅层语义信息并通过解码器将上采样结果输入分类器；在分类器中实现各像素点的分类，实现最终分割；将预处理后的数据送入分割模型，在支持集与查询集之间通过编码器和解码器参数共享，实现只针对分类器的少样本元学习，最后计算真实标签和分割结果的监督损失和评价指标。将全心脏分割多分类任务转化为多个二分类任务，降低复杂度。降低复杂度。降低复杂度。

【技术实现步骤摘要】
基于改进TransUNet的CT图像全心脏分割方法


[0001]本专利技术涉及医学图像分割
，特别是涉及一种基于改进TransUNet的CT图像心脏全分割方法。

技术介绍

[0002]如今，心血管疾病死亡是全球主要的死亡原因。因此准确快速分割心脏图像，辅助医生诊断心血管疾病，具有重要意义。目前用于心脏病学诊断的无创成像技术有计算机断层扫描(CT)、磁共振成像(MRI)和超声(US)等。其中，MRI价格昂贵、成像复杂，US易受人为因素影响。于是，CT因其速度快、成本低，质量高的特点成为诊断心脏病学的金标准。
[0003]近年来，随着以神经网络为代表的深度学习在医疗图像领域的蓬勃发展，国内外对于心脏图像分割有着广泛的研究，方法虽然解决了分割结果的准确性的问题，但是没有考虑到训练样本数量有限和训练复杂度高的问题。首先，在全心脏分割任务中，需要从图像中提取左心室(Left Ventricle,LV)、右心室(Right Ventricle,RV)、左心房(LeftAtrium,LA)、右心房(RightAtrium,RA)、左心室心肌结构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进TransUNet的CT图像全心脏分割方法，其特征在于，该方法包括以下步骤：第一步，将数据集按照4:1的比例进行划分，分别作为训练集和测试集，各集再按照1:4的比例进一步划分为支持集和查询集，并进行预处理；第二步，搭建图像分割模型，通过搭建TransUNet结构作为分割网络，分割网络包括编码器、解码器和分类器，编码器包含轴向注意力模块，用于提取图像特征并融合多尺度的图像特征；解码器用于上采样图像特征并还原图像尺寸，分类器用于最终分类以及少样本学习具体训练；第三步，解码器将输出的融合后的高分辨率图像特征送入轴向注意力模块，对全局信息进行提取，并更好地捕获与利用局部信息，降低计算复杂度；通过跳跃连接进一步融合浅层语义信息并通过解码器将上采样结果输入分类器；在分类器中实现各像素点的分类，实现最终分割；第四步，将预处理后的数据送入分割模型，在支持集与查询集之间通过编码器和解码器参数共享，实现只针对分类器的少样本元学习，最后计算真实标签和分割结果的监督损失和评价指标；第五步，完成分割模型训练收敛，生成并保存分割结果图。2.根据权利要求1所述的基于改进TransUNet的CT图像全心脏分割方法，其特征在于，第二步中，图像分割模型分为两个结构相似的阶段，第一阶段分割出心脏目标区域，第二阶段实现各个子结构的...

【专利技术属性】
技术研发人员：胡雨航，王元全，魏锦，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：