基于SAM和SSM的双通道交叉融合左心房分割方法技术

本发明专利技术公开了一种基于SAM和SSM的双通道交叉融合左心房分割方法，首先获取若干左心房核磁共振图像，并对图像进行归一化处理，得到数据集；然后，构建由双通道编码器、交叉注意力模块、提示编码器和掩码解码器组成的分割模型；其中，双通道编码器包括Trans编码器和TS编码器，输入图像经过展平操作得到的嵌入向量分别输入到Trans编码器和TS编码器中进行特征提取，Trans编码器的输出特征和TS编码器的输出特征进入到交叉注意力模块中进一步进行特征提取，得到注意力嵌入向量；提示编码器将输入图像待分割区域的点、掩码和边界框实时编码为嵌入向量，得到提示嵌入向量；掩码解码器对注意力嵌入向量和提示嵌入向量进行解码，得到分割结果；最后，对分割模型进行训练，将训练后的分割模型用于左心房分割。该方法充分提取双通道编码器输出特征之间的相关信息，提高分割的准确性。

【技术实现步骤摘要】

本专利技术属于医学图像分割，尤其涉及一种基于sam(segment anythingmodel)和ssm(state space model)的双通道交叉融合左心房分割方法。

技术介绍

1、左心房(la)是心房颤动、心脏瓣膜病等许多心脏疾病的重要发病部位，临床上主要利用射血分数(ejection fraction,ef)、左心房体积指数(lavi)、la应变、la应变率、波形传导时间、左房收缩功能(laef)等指标评估左心房功能，进一步辅助诊断心脏疾病，而从心脏计算机断层扫描(computer tomography,ct)和核磁共振图像(magnetic resonanceimaging,mri)中准确分割出左心房决定了这些指标的准确性，并且准确的分割可以帮助医生准确识别和定位病理区域，实现更准确的诊断和治疗。

2、由于左心房核磁共振图像复杂，不同患者的左心房在形状、大小和位置存在较大差别，而且左心房可能与其他心脏组织(例如左心室、右心房)发生重叠或接触，这会增加左心房分割任务的难度。此外，由于可用的标签数据有限，为了克服对标签数据的依赖，同时本文档来自技高网...

【技术保护点】

1.一种基于SAM和SSM的双通道交叉融合左心房分割方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于SAM和SSM的双通道交叉融合左心房分割方法，其特征在于，在子窗口状态空间层中，将输入特征被划分多个子窗口，再利用双向曼巴块在每个子窗口上进行特征提取，得到多个子特征P1，P2，…，Pk，k表示子特征的数量；子特征P1，P2，…，Pk输入到分块状态空间层中，每个子特征依次经过池化、双向曼巴块和反池化操作，得到特征F1，F2，…，Fk；特征F1，F2，…，Fk拼接在一起后再分别与各自对应的子特征进行残差连接，得到分块状态空间层的输出特征。</p>

3.根据...

【技术特征摘要】

1.一种基于sam和ssm的双通道交叉融合左心房分割方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于sam和ssm的双通道交叉融合左心房分割方法，其特征在于，在子窗口状态空间层中，将输入特征被划分多个子窗口，再利用双向曼巴块在每个子窗口上进行特征提取，得到多个子特征p1，p2，…，pk，k表示子特征的数量；子特征p1，p2，…，pk输入到分块状态空间层中，每个子特征依次经过池化、双向曼巴块和反池化操作，得到特征f1，f2，…，fk；特征f1，f2，…，fk拼接在一起后再分别与各自对应的子特征进行残差连接，得到分块状态空间层的输出特征。

3.根据权利要求2所述的基于sam和ssm的双通道交叉融合左心房分割方法，其特征在于，所述双向曼巴块的输入特征经过展平操作，得到特征r；一方面，特征r经过投影、卷积、和激活操作后，再经过前向状态空间层，得到特征r2；另一方面，特征r分别经过最大池化层和平均池化层，两个池化层的输出特征相加后，再依次经过投影、反池化和激活操作，得到特征r1；特征r1与特征r2进行逐元素相乘，得到特征r3；特征r1经过反向空间状态层后，再与特征r2进行逐元素相乘，得到特征r4；特征r4与r3相加后，再经过投影后，与特征r进行残差连接，得到双向曼巴块的输出特征。

4.根据权利要求3所述的基于sam和ssm的双通道交叉融合左心房分割方法，其特征在于，所述前向状态空间层和反向状态空间层的结构相同，输入特征g依次经过线性层、深度卷积层和激活操作，得到特征g1；同时，输入特征g依次经过线性层、深度卷积层、激活操作、ss2d模块和归一化层，得到特征g2；特征g2与特征g1进行逐元素相乘后，再经过线性层，得到输出特征。

5.根据权利要求1～4任一所述的基于sam和ssm的双通道交叉融合左心房分割方法，其特征在于，所述transformer组包含四个t...

【专利技术属性】
技术研发人员：曹卫文，王元全，丁扬迪，陈文哲，代珑荟，张佳彬，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：