一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法技术

本发明专利技术公开了一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，首先，在编码器后端采用一个双注意力模块，其有效地获取位置信息之间的依赖关系，其次，提出了一种多尺度特征筛选模块，它可以捕获更有效的全局上下文信息，以进一步补充双路径注意力模块生成的特征信息，最后，提出一个方向引导块对原始分割特征进行校正，生成最终结果。该方法旨在有效地捕捉位置信息之间的依赖关系，充分利用多尺度特征信息和方向信息，解决了有效特征信息被忽略和无效特征冗余的问题，并对初始分割结果进一步细化特征，有助于对胎儿超声图像进行更精确地分割。

【技术实现步骤摘要】

本专利技术涉及转化医学与人工智能，特别涉及一种用于胎儿头部和耻骨联合自动分割方法。

技术介绍

1、在临床实践中，超声成像技术已被广泛应用于妊娠的各个阶段，测量胎儿的进展角(angle ofprogress，aop)是一种用于评估分娩进展的有价值方法，aop通过测量胎儿头部在产道中的下降来确定，表示为从该测量得出的角度值，aop的准确测量有助于医生判断分娩进展，及时决定是否需要采取剖宫产等干预措施，从而减少分娩时间和并发症的发生率，提高分娩成功率和母婴安全性，目前，aop的测量通常需要经验丰富的医生进行手动测量，这既耗时又繁琐，可能导致测量误差。因此，开发一种自动测量aop的算法至关重要，它可以提高测量的准确性和效率，并有助于更好地评估分娩进度，自动测量aop的先决条件是能够准确地分割超声图像中的胎儿头部(fetal head，fh)和耻骨联合(pubic symphysis，ps)部位，由于fh和ps在不同个体之间的形状、大小和位置会有所变化，这种自动分割任务非常具有挑战性，尽管传统的分割方法已经取得了一定的进展，但仍然存在一些问题，例如：

2本文档来自技高网...

【技术保护点】

1.一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，其特征在于，该模型采用了U-Net模型架构，包括编码器、解码器和方向场模块，其步骤是：(1)在编码器中通过双注意力模块提取相关特征并学习全局特征相关性；(2)其次，提出了一种具有注意力机制的多尺度特征筛选模块来捕获全局上下文信息，增强目标定位；(3)最后，在解码器内，双分支结构生成方向信息和初始分割特征，随后利用方向引导块校正初始分割特征以细化分割结果，生成最终的分割结果，输出分割图共包含3个通道，分别代表FH、PS和背景的概率；(4)模型的最终分割结果的损失函数是交叉熵损失函数和Dice损失函数的组合，方向信息的损失函数为...

【技术特征摘要】

1.一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，其特征在于，该模型采用了u-net模型架构，包括编码器、解码器和方向场模块，其步骤是：(1)在编码器中通过双注意力模块提取相关特征并学习全局特征相关性；(2)其次，提出了一种具有注意力机制的多尺度特征筛选模块来捕获全局上下文信息，增强目标定位；(3)最后，在解码器内，双分支结构生成方向信息和初始分割特征，随后利用方向引导块校正初始分割特征以细化分割结果，生成最终的分割结果，输出分割图共包含3个通道，分别代表fh、ps和背景的概率；(4)模型的最终分割结果的损失函数是交叉熵损失函数和dice损失函数的组合，方向信息的损失函数为l2-范数和角距。

2.根据权利要求1所述的一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，其特征在于：所述模型将基于深度学习的编码器，在编码器中，输入图像经过五个卷积模块，五个卷积的卷积核数量分别为64、128、256、512和512。步长均为1，采用same方式填充并使用线性整流函数作为激活函数。每个模块的最后一层为一个2*2的最大池化层，最终输出一个大小为16*16*512的矩阵。

3.根据权利要求1所述的一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，其特征在于：所述模型将采用双注意力模块，在编码器的双注意力模块中，它包含空间注意力分支和通道注意力分支。

4.根据权利要求3所述的一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，所述双注意力模块，其特征在于：所述模块包含一条空间注意力分支，在空间注意力分支中，输入特征图a(c×h×w)通过3个卷积层生成3个特征图b、c、d，然后将它们转换为c×n的形式，其中n＝h×w，接着，将形变后的b转置与形变后的c相乘，通过softmax函数得到空间注意力图s(n×n)，将形变后的d(c×n)与s的转置(n×n)进行矩阵乘法，再乘以尺度系数α，然后还原为原始形状，将得到的结果与输入特征图a相加，得到最终的输出特征图e。

5.根据权利要求3所述的一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，所述双注意力模块，其特征在于：所述模块包含一条通道注意力分支，在通道注意力分支中，对输入特征a进行形变(c×n)和矩阵转置(n×c)操作，然后，将得到的两个特征图相乘，通过softmax函数得到通道注意力图x(c×c)，将x的转置(c×c)与形变后的a(c×n)进行矩阵乘法，再乘以尺度系数β，还原为原始形状，最后，将两个分支的输出进行元素求和，完成特征融合，作为后续层的输入。

6.根据权利要求1所述的一种用于胎头耻骨联合分割的基于方向引导的多尺度特征筛选方法，其特征在于：所述模型将采用多尺度特征筛选模块，在编码器的多尺度特征筛选模块中，多尺度特征筛选模块利用跳跃连接使不同尺度的特征相互作用，并进一步利用通道注意力促进多尺度特征之间的有效融合，为了解决fh和ps之间的尺度差异，采用多尺度特征选择模块从输入特征中提取多尺度特征，多尺度特征筛选模块由四个分支组成，每个分支获...

【专利技术属性】
技术研发人员：陆尧胜，陈圳森，王幼萍，陆晓星，林观军，
申请(专利权)人：广州莲印医疗科技有限公司，
类型：发明
国别省市：