基于调和注意力的医学图像分割模型建立方法及医学图像分割方法技术

本发明专利技术公开了基于调和注意力的医学图像分割模型建立方法及医学图像分割方法，属于三维医学图像分割领域，模型包括：模态融合模块，利用三维CNN同时提取不同模态的空间和深度特征信息，并基于输入级融合策略进行模态融合；下采样模块，利用U‑Net网络的卷积操作对图像进行下采样、压缩空间和深度信息的同时提取语义信息；Transformer模块，利用交变位置编码获取全局和远程的信息依赖关系，并给相应的语义信息提供位置编码，从而强化空间信息；以及上采样模块，利用反卷积操作对图像进行上采样，并利用调和注意力层获取全局特征并稳定特征的分布情况。本发明专利技术能够调和三维医学图像不同平面间的特征分布情况，提高三维医学图像的分割精度。

【技术实现步骤摘要】

本专利技术属于三维医学图像分割领域，更具体地，涉及基于调和注意力的医学图像分割模型建立方法及医学图像分割方法。

技术介绍

1、医学图像分割，是指从医学图像中分割出病灶区域。早期传统的医学图像分割方法主要集中在边缘检测、模板匹配技术、区域增长、图切割、活动轮廓线、机器学习等数学方法。传统的分割方法存在分割效率低、准确率低等问题。近年来，深度学习技术逐渐成为了计算机视觉和图像处理等领域的研究重心，相比于传统分割算法对于图像的高敏感性，卷积神经网络(cnn)实现了提取图像的层次特征，且cnn对图像噪声、模糊、对比度等属性不敏感，且它们为医学影像提供了良好的分割结果。

2、在医学影像分割中，许多基于深度学习的方法被广泛应用，例如基于卷积神经网络(cnn)的残差网络(resnet)、全卷积网络(fcn)和u-net。其中，u-net采用了具有跳跃连接的对称编码解码器结构，能够有效地保留图像细节。虽然后续出现了许多改进的网络结构，但卷积操作难以获取全局语义信息。因此，受自然语言处理中的注意力机制启发，现有的研究通过将注意力机制与cnn模型相结合，克服了这一本文档来自技高网...

【技术保护点】

1.一种基于调和注意力的医学图像分割模型建立方法，其特征在于，包括：搭建所述医学图像分割模型并利用已标注分割结果的医学图像数据集对其进行训练，完成所述医学图像分割模型的建立；所述医学图像为三维图像；

2.如权利要求1所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述调和注意力层包括硬注意力分支；

3.如权利要求2所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述调和注意力层还包括软注意力分支和第二融合层；

4.如权利要求1～3任一项所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述Transformer模块包括...

【技术特征摘要】

1.一种基于调和注意力的医学图像分割模型建立方法，其特征在于，包括：搭建所述医学图像分割模型并利用已标注分割结果的医学图像数据集对其进行训练，完成所述医学图像分割模型的建立；所述医学图像为三维图像；

2.如权利要求1所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述调和注意力层包括硬注意力分支；

3.如权利要求2所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述调和注意力层还包括软注意力分支和第二融合层；

4.如权利要求1～3任一项所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述transformer模块包括依次级联的多个transformer模型，并且所述多个transformer模型交替使用绝对位置编码方式和相对位置编码方式实现位置编码；

5.如权利要求4所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述相对距离矩阵的计算方式包括：

6.如权利要求1～3任一项所述的基于调和注意力的医学图像分割模型建立方法，其特征在于，所述医学图像分割模型还包括...

【专利技术属性】
技术研发人员：郭辰颢，杨铀，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：