一种基于自适应特征增强的脑卒中病灶分割方法技术

本发明专利技术公开了一种基于自适应特征增强的脑卒中病灶分割方法，该方法首先将MRI磁共振成像数据进行数据预处理：通过线性插值法，缩放至统一的空间分辨率，作为待分割图像。其次将待分割图像输入到编码器进行多层级特征提取，编码器包括初级特征提取模块、三个编码模块和两个跨层级特征强化聚和模块。最后将编码器中编码模块的输出特征图以及两个跨层级特征强化聚和模块的输出特征图，输入到解码器，输出分割结果图，解码器由三个解码模块和一个分割头级联构成。本发明专利技术适用于不同尺寸病变区域的分割，选择更有利于最终分割结果的特征通道，使分割结果更加准确。

【技术实现步骤摘要】

本专利技术涉及基于深度学习的脑卒中病灶分割领域，尤其涉及一种基于自适应特征增强的脑卒中病灶分割方法。

技术介绍

1、脑卒中作为一种临床中频繁出现且后果极为严重的疾病，有着高致残率和高死亡率的特点，通常临床上确诊脑卒中需要医生对患者脑部的ct(computerized tomography，计算机断层扫描)或者mri(magnetic resonance imaging，磁共振成像)进行观察。一组脑部mri往往有较多的切片，需要依赖专业医生的经验来判断是否有相应的病变。另外，医学图像在成像时会产生一些噪声，导致图像有斑驳，颗粒状，纹理或者雪花纹等外观。针对以上问题，利用图像自动分割技术可以辅助提高医生的诊断效率和准确度。

2、近年来，随着深度学习技术的发展，u-net(u-shaped network，u形状网络)、deeplab3+(基于空洞可分离卷积语义图像分割的编码-解码器网络)、clci-net(cross-level fusion and context inference networks，一种跨层级融合和上下文推理的图像分割网络)等本文档来自技高网...

【技术保护点】

1.一种基于自适应特征增强的脑卒中病灶分割方法，其特征在于，包括以下具体步骤：

2.根据权利要求1所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述编码器的具体实现过程如下：

3.根据权利要求2所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述编码模块的具体实现过程如下：

4.根据权利要求3所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述迭代联合注意力模块的实现过程具体如下：

5.根据权利要求4所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述跨层级特征强化聚和模块CFA具体实现过程如下：<...

【技术特征摘要】

1.一种基于自适应特征增强的脑卒中病灶分割方法，其特征在于，包括以下具体步骤：

2.根据权利要求1所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述编码器的具体实现过程如下：

3.根据权利要求2所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述编码模块的具体实现过程如下：

4.根据权利要求3所述的基于自适应特征增强的脑卒中病灶分割方法，其特征在于，所述迭代联...

【专利技术属性】
技术研发人员：张新，阮润泽，殷昱煜，梁婷婷，李玉，李尤慧子，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：