融合频域感知的医学图像中多器官分割方法、系统、设备技术方案

本发明专利技术属于医学检测领域，具体涉及一种融合频域感知的医学图像中多器官分割方法、系统和设备。本发明专利技术设计了一个采用PVT模块作为初始骨干的U型网络，U型网络中的编码器采用四层的PVT模块进行下采样，解码器采用四层PE模块进行上采样。在编码器中四层PVT模块构成分支以外增加一个由五层TAF模块构成的特征融合分支，TAF模块用于提取频域特征并将其与空间特征融合；在解码器中增加3层SRA模块，SRA模块用于在相邻PE模块间对上采样结果添加相对位置编码后，再通过两层注意力计算得到细化后的特征。最后利用多器官医学图像样本对新设计的网络模型进行训练，可得到高精度的多器官分割模型。本发明专利技术解决了现有图像分割技术在多器官分割场景下精度不足的问题。

【技术实现步骤摘要】

本专利技术属于医学检测领域，具体涉及一种融合频域感知的医学图像中多器官分割方法及对应的融合频域感知的多器官分割系统和设备。

技术介绍

1、随着医疗水平的提高，各类先进的医学诊断设备和仪器能够帮助医生对病患进行深层次的检查，发现很多无法人工诊断的早期疾病。这种新技术的发展也实现了与人们日益增长的健康意识和需求相适配。目前，基于各类医疗设备获取的医学影像已经成为医生进行辅助诊断和术前术后评估的主要手段。

2、在基于医学图像的诊断中，为了节省医生的精力，通过由计算机先进行辅助分析，在计算机辅助分析过程，医学图像分割是其中的一个关键步骤，医学图像分割是为了从包含多种器官的医学图像(如腹腔检查和胸腔检查的医学图像)中准确分辨出每一类器官，以便有针对性地对各个器官进行进一步的检查分析。医学图像中的器官分割的精确性能够为后续的分析和治疗奠定良好的基础。

3、医学图像分割是一项密集的预测任务，它对给定的医学图像(如ct、mri、内镜、oct等)中的器官或病变的像素进行分类。u-net及其变体因其更好的性能和复杂的体系结构而被广泛应用于医学图像分割任本文档来自技高网...

【技术保护点】

1.一种融合频域感知的医学图像中多器官分割方法，其用于对包含多个器官的医学图像中的各个器官进行识别和图像分割，其特征在于，其包括如下步骤：

2.如权利要求1所述的融合频域感知的医学图像中多器官分割方法，其特征在于：步骤S1中构建的所述图像分割网络中的5个TAF模块分别为TAF1～TAF5，其中，TAF2～TAF5模块中的数据处理过程如下：

3.如权利要求2所述的融合频域感知的医学图像中多器官分割方法，其特征在于：所述TAF模块中的数据处理过程的表达式为：

4.如权利要求2所述的融合频域感知的医学图像中多器官分割方法，其特征在于：所述Spectral T...

【技术特征摘要】

1.一种融合频域感知的医学图像中多器官分割方法，其用于对包含多个器官的医学图像中的各个器官进行识别和图像分割，其特征在于，其包括如下步骤：

2.如权利要求1所述的融合频域感知的医学图像中多器官分割方法，其特征在于：步骤s1中构建的所述图像分割网络中的5个taf模块分别为taf1～taf5，其中，taf2～taf5模块中的数据处理过程如下：

3.如权利要求2所述的融合频域感知的医学图像中多器官分割方法，其特征在于：所述taf模块中的数据处理过程的表达式为：

4.如权利要求2所述的融合频域感知的医学图像中多器官分割方法，其特征在于：所述spectral transform模块中依次包括快速傅里叶变换层、卷积归一化激活函数层和反快速傅里叶变换层；在spectral transform模块中，原始特征图像首先被从空间域转换到频域，然后在频域中更新权重，最后再将权重更新后的频域特征转换回空间域。

5.如权利要求4所述的融合频域感知的医学图像中多器官分割方法，其特征在于：图像特征在所述spectral transform模块的三个不同功能层中的尺度变换过程如下：

6.如权利要求1所述的融合频域感知的医学图像中多器官分割方法，其特...

【专利技术属性】
技术研发人员：汪粼波，卢子涵，方贤勇，刘政怡，
申请(专利权)人：安徽大学，
类型：发明
国别省市：