基于分层时空Transformer心脏影像分割方法技术

本发明专利技术提供一种基于分层时空Transformer心脏影像分割方法，包括：获取心脏原始影像数据，提取心脏原始影像数据中的图像和视频帧序列；将图像分割成多个不重叠图像补丁，采用线性嵌入层将多个不重叠图像补丁进行嵌入，得到查询特征；将视频帧序列分割成多个不重叠视频补丁，采用线性嵌入层将多个不重叠视频补丁进行嵌入，得到记忆特征利用记忆读取模块计算查询特征和记忆特征的相似度和注意力机制，获得时空特征；通过解码模块的上采样和跳跃连接对时空特征进行解码，得到心脏影像分割结果。本发明专利技术通过丰富、完整的时空信息表示，有助于强化网络对复杂视频目标的建模能力，实现更精细和鲁棒的视频目标分割。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种基于分层时空transformer心脏影像分割方法。

技术介绍

1、在心脏疾病判断中，心脏图像的自动分割是一项核心技术，但是心脏作为一个周期性运动的器官，在不同时间相位有着形态和运动的变化，给心脏的精确分割带来挑战，单时相图像分割方法难以捕捉心脏时空动态变化的内在规律。

2、传统的心脏图像分割方法主要基于阈值分割、区域生长、边缘检测等技术。这些方法通常需要手动设置参数，对噪声和干扰敏感，且难以捕捉心脏的时空动态变化。此外，由于心脏是一个周期性运动的器官，不同时间相位有着形态和运动的变化，单时相图像分割方法难以捕捉心脏时空动态变化的内在规律。

3、近年来，深度学习在图像分割领域取得长足进展。卷积神经网络可自动学习图像的特征表示。然而，标准卷积操作对时间维度上的长期依赖建模能力有限。而心脏时空动态的精细建模，对分割质量至关重要。

技术实现思路

1、本专利技术提供一种基于分层时空transformer心脏影像分割方法，用以解决现有技术中针对心脏影像进行分割本文档来自技高网...

【技术保护点】

1.一种基于分层时空Transformer心脏影像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于分层时空Transformer心脏影像分割方法，其特征在于，基于Swin Transformer将图像分割成多个不重叠图像补丁，采用线性嵌入层将所述多个不重叠图像补丁进行嵌入，得到查询特征，包括：

3.根据权利要求1所述的基于分层时空Transformer心脏影像分割方法，其特征在于，基于Video Swin Transformer将视频帧序列分割成多个不重叠视频补丁，采用线性嵌入层将所述多个不重叠视频补丁进行嵌入，得到记忆特征，包括：</p>

4.根据...

【技术特征摘要】

1.一种基于分层时空transformer心脏影像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于分层时空transformer心脏影像分割方法，其特征在于，基于swin transformer将图像分割成多个不重叠图像补丁，采用线性嵌入层将所述多个不重叠图像补丁进行嵌入，得到查询特征，包括：

3.根据权利要求1所述的基于分层时空transformer心脏影像分割方法，其特征在于，基于video swin transformer将视频帧序列分割成多个不重叠视频补丁，采用线性嵌入层将所述多个不重叠视频补丁进行嵌入，得到记忆特征，包括：

4.根据权利要求1所述的基于分层时空transformer心脏影像分割方法，其特征在于，利用记忆读取模块计算所述查询特征和所述记忆特征的相似度和注意力机制，获得时空特征，包括：

5.根据权利要求4所述的基于分层时空transformer心脏影像分割方法，其特征在于，采用top-k索引读取所述查询特征的关键点和值，以及所...

【专利技术属性】
技术研发人员：张楠，郭莹莹，晏涵，周子颖，廖海含，冯鸿，
申请(专利权)人：武汉大学人民医院湖北省人民医院，
类型：发明
国别省市：