结合曲线结构提示符和深度神经网络的医学图像分割方法技术

本发明专利技术涉及医学图像分割技术领域，公开了一种结合曲线结构提示符和深度神经网络的医学图像分割方法。首先挑选公开的曲线结构分割医学图像数据集，并预处理；再构建基于Transformer和CNN的图像编码器，生成图像嵌入；构建提示符编码器，提取出提示符的特征并生成密集嵌入和稀疏嵌入两种提示符嵌入；设计基于自注意力和交叉注意力的掩码解码器，融合图像嵌入和提示符嵌入，并对融合后的特征做解码得到最后的解码特征，并处理以生成最后的分割结果；设计由Transformer和CNN结合的编码器结构，生成图像分割框架，完成针对曲线结构的医学图像分割。本发明专利技术利用曲线结构提示符作为良好的分割先验知识来指导网络分割出复杂、细节丰富的曲线结构。

【技术实现步骤摘要】

本专利技术涉及图像处理领域的医学图像分割技术，特别涉及一种基于曲线结构特异性创新骨架提示策略和深度神经网络的医学图像分割方法。

技术介绍

1、医学图像分割是一个被广泛研究且具有挑战性的课题，其目的是帮助临床医生更加关注病理区域，提取医学图像的详细信息以进行更准确的诊断和分析。在医学图像分割任务中，感兴趣的结构可以分为两种类型：块状结构(如肺和肾等器官)和曲线结构(如血管和神经)。曲线结构通常是细长的、弯曲的，并且具有可变的尺度。这些曲线结构的准确分割对临床实践至关重要。例如，分割视网膜血管有助于糖尿病等疾病的早期诊断，青光眼和高血压。此外，视神经和视网膜内层等结构的分割提供了中枢神经系统的非侵入性视图，有助于了解神经退行性疾病的进展。分节视网膜血管的形态也可以反映其他血管系统的健康状况。因此，开发准确的曲线结构分割(curve structure segmentation css)模型是加强医疗实践和推进疾病研究的关键，特别是在眼科。

2、传统的css方法严重依赖于人工设计的特征和特定领域的知识，与基于深度学习的方法相比，在性能和效率上存在显著本文档来自技高网...

【技术保护点】

1.一种结合曲线结构提示符和深度神经网络的医学图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合曲线结构提示符和深度神经网络的医学图像分割方法，其特征在于，所述步骤1中的数据集包括用于冠状动脉和角膜神经的分割任务的DCA1和CORN数据集，以及用于视网膜血管分割研究的HRF、LES-AV、CHASEDB1、DRIVE、OCTA500、STARE、IOSTAR和ORVS数据集；其中OSTAR和ORVS数据集用于零样本测试；

3.根据权利要求1所述的结合曲线结构提示符和深度神经网络的医学图像分割方法，其特征在于，所述步骤2具体为：

4....

【技术特征摘要】

1.一种结合曲线结构提示符和深度神经网络的医学图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的结合曲线结构提示符和深度神经网络的医学图像分割方法，其特征在于，所述步骤1中的数据集包括用于冠状动脉和角膜神经的分割任务的dca1和corn数据集，以及用于视网膜血管分割研究的hrf、les-av、chasedb1、drive、octa500、stare、iostar和orvs数据集；其中ostar和orvs数据集用于零样本测试；

3.根据权利要求1所述的结合曲线结构提示符和深度神经网络的医学图像分割方法，其特征在于，所述步骤2具体为：

4.根据权利要求3所述的结合曲线...

【专利技术属性】
技术研发人员：朱敏，蒋林呈，程俊龙，
申请(专利权)人：四川大学，
类型：发明
国别省市：