基于配对注意力的3D医学图像分割方法及系统技术方案

本发明专利技术公开了基于配对注意力的3D医学图像分割方法及系统，属于3D医学图像分割技术领域。包括获取待分割3D医学图像；将待分割3D医学图像输入完成训练的3D医学图像分割模型进行处理，以获取分割结果；其中，3D医学图像分割模型基于配对注意力变换器模块进行设计，能够对空间维度进行降维并在3D特征图中有效地学习通道和空间信息，实现了在减少模型参数量并加快模型计算速度的同时提升模型分割性能。解决了现有技术中存在“医学图像分割模型的鲁棒性较差且对计算资源的需求较大”的问题。的问题。的问题。

【技术实现步骤摘要】
基于配对注意力的3D医学图像分割方法及系统


[0001]本专利技术涉及3D医学图像分割
，特别是涉及基于配对注意力的3D医学图像分割方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]卷积神经网络(CNNs)因其强大的多尺度表示能力、捕获局部语义和纹理信息的能力，在医学图像分割任务中被广泛应用。一些U
‑
Net的变体，如U
‑
Net++、U
‑
Net 3+和Residual U
‑
Net，通过将3D体素数据处理为2D切片的方式，在各种数据集上取得了良好的表现。3D U
‑
Net通过使用3D操作而非2D卷积来扩展U
‑
Net架构，在稀疏标注的体积图像中进行分割。Isensee等人基于U
‑
Net提出了一个具有自动化配置和自适应框架，能够从多层次图像中提取特征的nnU
‑
Net模型。此外，还有一些工作致力于通过纯CNNs架本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于配对注意力的3D医学图像分割方法，其特征在于，包括：获取待分割3D医学图像；将待分割3D医学图像输入完成训练的3D医学图像分割模型进行处理，以获取分割结果；其中，所述3D医学图像分割模型包括编码器和解码器，所述编码器和所述解码器连接，所述编码器包括依次连接第一编码模块和多个第二编码模块，所述第一编码模块由补丁嵌入层和配对注意力变换器模块组成，任一第二编码模块由配对注意力变换器模块和下采样层组成，所述解码器包括依次连接的多个解码模块，任一解码模块由跳跃连接模块、配对注意力变换器模块和上采样模块组成。2.如权利要求1所述的基于配对注意力的3D医学图像分割方法，其特征在于，所述配对注意力变换器模块由归一化层、多层感知机和多头配对注意力模块组成，其中，输入所述配对注意力变换器模块的数据依次经过所述归一化层、所述多头配对注意力模块和所述多层感知机。3.如权利要求2所述的基于配对注意力的3D医学图像分割方法，其特征在于，所述多头配对注意力模块用于通过通道注意力捕获输入数据的通道依赖关系，获取通道注意力输出特征图，通过空间注意力捕获输入数据的空间依赖关系，获取空间注意力输出特征图；将通道注意力输出特征图和空间注意力输出特征图与输入数据的原始3D体素特征融合并进行3D卷积，以获取输入数据的深层次特征表示。4.如权利要求2所述的基于配对注意力的3D医学图像分割方法，其特征在于，所述多头配对注意力模块中的通道注意力公式表示为：其中，X
C
表示经过通道注意力得到的输出，Q
channel
为通道查询向量，K
channel
为通道keys向量，V
channel
为通道值，d为每个向量的大小；所述多头配对注意力模块中的空间注意力公式表示为：其中，X
s
为经过空间注意力得到的输出，Q
spatial
为空间查询向量的投影，K
spatial_proj
为空间keys向量的投影，V
spatial_proj
为空间值的投影，d为每个向量的大小。5.如权利要求1所述的基于配对注意力的3D医学图像分割方法，其特征在于，所述第一编码模块用于对待分割3D医学图像进行嵌入处理并分...

【专利技术属性】
技术研发人员：赵晶，邹庆志，陈玲，张荣环，胡玉帅，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：