一种基于Transformer和多级特征聚合的乳腺超声肿块分割方法技术

一种基于Transformer和多级特征聚合的乳腺超声肿块分割方法，包括以下步骤：步骤1：对乳腺超声图像的特征提取，输出4层特征图；步骤2：将输出的4层特征图输入解码部分的多层分支感受野模块RBF；步骤3：使用置换注意力模块SAM对4层具有广泛上下文信息的特征图进行重要信息捕获，输出特征图；步骤4：采用聚合模块Aggregation Module对输出特征图S3、特征图S4进行融合，得到特征图A1；采用聚合模块Aggregation Module对特征图A1与特征图S2进行融合，得到特征图A2；采用聚合模块Aggregation Module对特征图A2与特征图S1进行融合，得到特征图A3。本发明专利技术能解决乳腺超声肿块分割中乳腺超声图像存在噪声、乳腺组织和病变对比度低、可能出现伪影或伪结构导致误分割、分割不连续的问题。

【技术实现步骤摘要】

本专利技术涉及深度学习的医学图像分割领域，具体涉及乳腺超声肿块分割方法。

技术介绍

1、在现有技术中，由于乳腺超声肿块形状大小不规则、超声图像中常常存在噪声和伪影、边界模糊不清、肿块与周围组织对比度低，乳腺肿块的传统分割方法主要依赖于目标区域边缘轮廓、区域、阈值等信息，故传统分割方法效果不理想。

2、申请公布号为cn114049357a的专利文献公开了一种基于特征集关联度的乳腺超声分割方法，主干网络采用u型编解码结构，将经过降噪和数据增强的图像输入模型进行特征提取，计算输出特征图与gt图的损失和特征集关联度损失。申请公布号为cn108665461a的专利文献公开了一种基于fcn和迭代声影校正的乳腺超声图像分割方法，用第一个fcn网络实现超声图像的声影校正，第二个fcn网络实现最终的分割结果。上述方法解决乳腺超声图像中存在噪声以及部分图像中边界模糊的分割难点，但是对乳腺超声图像中存在伪影、对比度低导致误分割的情况，分割效果不理想。

3、近年来，基于transformer的模型由于其高效的自注意力机制，被广泛应用于计算机视觉领域，其效果本文档来自技高网...

【技术保护点】

1.一种基于Transformer和多级特征聚合的乳腺超声肿块分割方法，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤1中，MiT编码层特征提取模块包括编码层特征提取模块的第一阶段(1)、编码层特征提取模块的第二阶段(2)、编码层特征提取模块的第三阶段(3)、编码层特征提取模块的第四阶段(4)；

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求1所述的方法，其特征在于，在步骤4中，聚合模块Aggregation Module包括第一聚合模块Aggregation Mo...

【技术特征摘要】

1.一种基于transformer和多级特征聚合的乳腺超声肿块分割方法，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在步骤1中，mit编码层特征提取模块包括编码层特征提取模块的第一阶段(1)、编码层特征提取模块的第二阶段(2)、编码层特征提取模块的第三阶段(3)、编码层特征提取模块的第四阶段(4)；

3.根据权利要求1所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求1所述的方法，其特征在于，在步骤4中，聚合模块aggregation module包括第一聚合模块aggregation module，第二聚合模块aggregation module，第三聚合模块aggregation module；

6.一种基于transformer和多级特征聚合的乳腺...

【专利技术属性】
技术研发人员：夏平，王雨蝶，张光一，彭程，雷帮军，何志豪，李子怡，
申请(专利权)人：三峡大学，
类型：发明
国别省市：