【技术实现步骤摘要】
本专利技术属于医学图像处理及深度学习的，具体涉及一种基于注意力引导的跨分辨率协同的肿瘤分割方法及装置。
技术介绍
1、医学图像肿瘤分割是医学影像处理领域的重要研究方向，在医学诊断、治疗和研究中扮演着关键的角色；计算机断层扫描(ct)由于其高密度分辨率和快速成像速度，在肿瘤诊断中得到广泛应用；因此对ct图像进行准确的肿瘤分割能为转移预测、预后预测等后续研究提供支持。然而，逐层手动标注肿瘤非常耗时且依赖于放射科医师经验，故在ct扫描中自动、准确地分割肿瘤可有效辅助临床诊断和结果预测。从临床角度来分析，肿瘤分割主要存在以下两个困难：一是肿瘤与周围组织对比度较低，边界不清晰；二是由于肿瘤的异质性，肿瘤的形态、大小和位置在个体之间存在差异。近年来，深度学习技术在医学图像分割领域取得了巨大的成功，特别是基于unet开发的深度学习模型，如3d-unet、attentionunet和nnunet等，在各种3d医学图像分割任务上都取得了显著的成果。然而，需要注意的是，这些模型都是“通才模型”，而非专门针对医学图像中的肿瘤特性进行设计。注意机制最初设计用于...
【技术保护点】
1.基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，每一多注意力融合模块对输入的编码特征图先经过编码层提取编码特征，再分别计算三种注意力机制下的注意力分数；然后将三种注意力机制下的注意力分数、编码特征与输入的编码特征图在加权融合模块进行合并，再通过下采样模块得到该多注意力融合模块的编码特征图；
3.根据权利要求2所述的基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，所述通道级注意力分数表示为：
4.根据权利要求1所述的基于...
【技术特征摘要】
1.基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，每一多注意力融合模块对输入的编码特征图先经过编码层提取编码特征，再分别计算三种注意力机制下的注意力分数；然后将三种注意力机制下的注意力分数、编码特征与输入的编码特征图在加权融合模块进行合并，再通过下采样模块得到该多注意力融合模块的编码特征图；
3.根据权利要求2所述的基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，所述通道级注意力分数表示为：
4.根据权利要求1所述的基于注意力引导的跨分辨率协同的肿瘤分割方法，其特征在于，每一跨分辨率融合模块首先使用分辨率特征提取模块对与其对应跳跃连接的多注意力融合模块及其相邻注意力融合模块的编码特征图进行大小和通道对齐并提取特征得到分辨率注意力图，然后输入分辨率融合模块进行融合得到跨分辨率融合特征；所述分辨率注意力图包括高分辨率注意...
【专利技术属性】
技术研发人员：刘再毅，姚丽莎，陈治宏，邱炳江，韩楚，崔艳芬，陈鑫，黄燕琪，方刚，郑韵琳，李夙芸，
申请(专利权)人：广东省人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。