【技术实现步骤摘要】
本专利技术属于医学影像分析，具体涉及到一种基于注意力瓶颈融合的mri脑肿瘤分割方法。
技术介绍
1、胶质瘤是大脑和脊髓胶质细胞癌变所产生的最常见原发性颅内恶性脑肿瘤，具有高死亡率、高复发率的特征，被公认为脑部中枢神经系统中最为致命的恶性肿瘤。其精准分割对患者的诊断、手术治疗和预后评估至关重要。
2、磁共振成像(magnetic resonance imaging，mri)在脑肿瘤分割中具有突出的作用，能提供多模态成像信息。常用的mri包括t2、flair和t1c三种模态。其中，flair图像能很好地表现肿瘤周围的情况，清晰地表现出浮肿区域。t2模态可以清楚地突出病灶所处位置和大小。t1c能进一步显示肿瘤内的情况，鉴别肿瘤与非肿瘤性病变。
3、在临床诊疗过程中，医生需要手动勾画mri切片中的肿瘤区域，以便制定精确的治疗方案，从而提高治疗效果，降低对正常组织的损伤。然而，随着医学影像的不断增多，医生手动分割脑肿瘤既费时费力，又容易出现主观偏差，导致部分肿瘤区域分割错误。而利用传统机器学习进行脑肿瘤分割的方法虽提高了分...
【技术保护点】
1.一种基于注意力瓶颈融合的MRI脑肿瘤分割方法，其特征在于，包括：
2.根据权利要求1所述的基于注意力瓶颈融合的MRI脑肿瘤分割方法，其特征在于，步骤S1中，在采集得到实际临床多模态MRI脑肿瘤图像之后，对其进行预处理。
3.根据权利要求1所述的基于注意力瓶颈融合的MRI脑肿瘤分割方法，其特征在于，步骤S2中，基于注意力瓶颈融合的MRI脑肿瘤分割模型包括：用于提取局部特征的3D CNN编码器模块、用于融合多模态特征信息的瓶颈融合Transformer模块，融合不同模态的不同尺度特征的融合连接门控模块和将特征恢复至原始图像尺寸的3D CNN解码
【技术特征摘要】
1.一种基于注意力瓶颈融合的mri脑肿瘤分割方法，其特征在于，包括：
2.根据权利要求1所述的基于注意力瓶颈融合的mri脑肿瘤分割方法，其特征在于，步骤s1中，在采集得到实际临床多模态mri脑肿瘤图像之后，对其进行预处理。
3.根据权利要求1所述的基于注意力瓶颈融合的mri脑肿瘤分割方法，其特征在于，步骤s2中，基于注意力瓶颈融合的mri脑肿瘤分割模型包括：用于提取局部特征的3d cnn编码器模块、用于融合多模态特征信息的瓶颈融合transformer模块，融合不同模态的不同尺度特征的融合连接门控模块和将特征恢复至原始图像尺寸的3d cnn解码器模块；
4.根据权利要求3所述的基于注意力瓶颈融合的mri脑肿瘤分割方法，其特征在于，步骤s21中，3d cnn编码器模块包括多个3d cnn编码器，每一个3d cnn编码器均由五个阶段组成，每个阶段内包含三个卷积块；在第一阶段的首个卷积块中，卷积核的尺寸被设定为3，填充值为1，步幅也为1；其他阶段的第一个卷积块中，采用卷积核尺寸为3，步幅为2的卷积操作；各个阶段的另外两个卷积块均包含批归一化、relu激活函数以及卷积核尺寸为3、步幅为1的卷积操作；
5.根据权利要求3所述的基于注意力瓶颈融合的mri脑肿瘤分割方法，其特征在于，步骤s22中，瓶颈融合transformer模块包括多个transformer块，每一个transformer块用于：对每个模态的特...
【专利技术属性】
技术研发人员：蒋慧琴，李宁，程敬亮，杨镭，马岭，
申请(专利权)人：郑州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。