一种基于状态空间模型和特征交互感知的心脏超声图像分割方法技术

一种基于状态空间模型和特征交互感知的心脏超声图像分割方法，涉及图像分割领域，双重感知状态空间增强模块DPSSEM通过使用两个SSM模块，并将其分别结合SAM和CAM，不仅可以从空间和通道两个维度上获取更多信息，双重感知状态空间增强模块DPSSEM在不同特征图之间进行精细交互与融合，显著强化了特征的辨识能力和表达能力，有效提升了对超声图像分割中心脏结构的精准度和鲁棒性，特征交互感知解码模块FIPDM通过多个特征处理分支与交互操作，在解码阶段对提取的特征进行多路径细化与增强。

【技术实现步骤摘要】

本专利技术涉及图像分割领域，具体涉及一种基于状态空间模型和特征交互感知的心脏超声图像分割方法。

技术介绍

1、心脏超声图像分割对于心脏疾病的诊断和治疗至关重要。然而，传统的图像分割方法在处理心脏超声图像时面临诸多挑战。心脏超声图像因超声成像原理的限制，往往存在噪声、伪影和低对比度等问题，使得准确分割心脏结构困难重重。同时，心脏的动态特性使得不同心动周期下其形态和位置不断变化，进一步增加了分割难度。

2、mamba的状态空间模型(ssm)为解决这些问题带来了新契机。状态空间模型(ssm)能够像处理动态系统一样，通过对系统状态的精准建模和预测，有效地捕捉心脏随时间变化的复杂特征。它可以根据输入数据选择性地传播或抑制信息，增强对复杂输入的处理能力，聚焦于心脏超声图像中的关键信息，过滤掉无关干扰。而特征交互感知则能深入挖掘图像中不同特征之间的关系，进一步强化对心脏结构的识别。将mamba的ssm与特征交互感知相结合，有望充分发挥两者的优势，提高心脏超声图像分割的准确性和鲁棒性，为心脏疾病的精准诊疗提供坚实的技术支持。因此，探寻一种基于状态空间模型和特征本文档来自技高网...

【技术保护点】

1.一种基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于：步骤a)中从CAMUS心脏分割超声图像数据集中获取N张心脏超声图像，N取值为500。

3.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于：步骤c)中预处理后的心脏超声图像数据集S按7:2:1的比例划分为训练集、验证集、测试集。

4.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于，步骤b)包括如下步骤：

...

【技术特征摘要】

1.一种基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于：步骤a)中从camus心脏分割超声图像数据集中获取n张心脏超声图像，n取值为500。

3.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于：步骤c)中预处理后的心脏超声图像数据集s按7:2:1的比例划分为训练集、验证集、测试集。

4.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于，步骤b)包括如下步骤：

5.根据权利要求1所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于，步骤e)包括如下步骤：

6.根据权利要求5所述的基于状态空间模型和特征交互感知的心脏超声图像分割方法，其特征在于：步骤e-2)中编码器的卷积层的卷积核大小为3×3；第一双重感知状态空间增强模块dpssem、第二双重感知状态空间增强模块dpssem、第三双重感知状态空间增强模块dpssem、第四双重感知状态空间增强模块dpssem的深度可分离卷积层dsconv的卷积核大小均为3×3、填充均为1、步长均为1，第一分支的卷积层的卷积核大小均为5×5、填充均为2、步长均为1，第二分支的卷积层的卷积核大小均为3×3、填充均为1、步长均为1，第二分支的空洞卷积层的卷积核大小均为3×3、填充均为1、步长均为1、膨胀率均为2，第三分支的卷积层的卷积核大小均为7×7、填充均为3、步长均为1；第一下采样单元、第二下采样单元、第三下采样单元、第四下采样单元的卷积层的卷积核大小均为3×3、填充均为1、步长均为1，最大池化层的池化核均为2×2、步长均为2。

7.根据权利要求1所述的基于状态空...

【专利技术属性】
技术研发人员：陈长芳，胡玉泽，舒明雷，陈永健，刘照阳，徐鹏摇，王阿龙，胡家乐，张玉舒，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：