一种基于高效Transformer的UNet用于医学图像分割的方法技术

本发明专利技术公开了一种基于高效Transformer的UNet用于医学图像分割的方法，涉及医学图像处理技术领域。本发明专利技术通过编码器结构和Transformer能够即兼顾细节信息的提取又能建立长距离依赖关系，达到精确分割多目标医学图像；通过高效跨空间注意力机制融入到Transforme，极大降低了噪声对信号提取的影响，并增强了网络对空间信息的重建能力；该模块显著提高了医学图像的分割性能；同时，引入了TA‑Block减少模型的信息损失，同时引入Focal损函数和Dice相结合，使得模型更聚焦到边缘细节上，来实现更加精确分割结果，再进行了大量实验，结果表明，与其他方法相比，所提出的方法是有效的，并在多个数据集上取得了优异的效果。

【技术实现步骤摘要】

本专利技术涉及医学图像处理，具体为一种基于高效transformer的unet用于医学图像分割的方法。

技术介绍

1、医学图像分割是医学图像处理及计算机辅助干预领域中的一个重要研究方向。该技术通过对医学影像的处理与分析，提取病变器官或组织的形态、大小、结构等关键信息，对临床诊断、治疗决策以及手术方案规划具有重要意义。在我们身边常用的医学检测工具有：计算机断层扫描(ct)成像、超声(ultrasound)成像、磁共振(mri)成像、核素(nuclear)成像等。ct成像具有多方位成像、快速成像等优势，高效、快速的特点使得该方式成为目前应用最为广泛的成像方式，但是ct图像中常常包含噪声或伪影、组织和器官边界模糊、组织和器官的密度差异微弱、复杂的解剖结构和不规则形状、器官或组织间交叉重叠等问题。

2、尽管基于cnn的方法在医学图像分割中取得了不错的成功，但由于卷积核有限感受野的局限性，使其无法捕获全局和长距离语义信息，并且存在固有的归纳偏差。受自然语言处理(nlp)中transformer架构变革性影响的启发，研究者们已开始将该技术应用于计算机视觉任本文档来自技高网...

【技术保护点】

1.一种基于高效Transformer的UNet用于医学图像分割的方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的一种基于高效Transformer的UNet用于医学图像分割的方法，其特征在于：所述S1中的预处理至少包括以下步骤：

3.根据权利要求1所述的一种基于高效Transformer的UNet用于医学图像分割的方法，其特征在于：所述模型框架的架构至少包括编码器、解码器和跳跃连接；

4.根据权利要求3所述的一种基于高效Transformer的UNet用于医学图像分割的方法，其特征在于：所述LMs-Trans-Block模块的应用过程至...

【技术特征摘要】

1.一种基于高效transformer的unet用于医学图像分割的方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的一种基于高效transformer的unet用于医学图像分割的方法，其特征在于：所述s1中的预处理至少包括以下步骤：

3.根据权利要求1所述的一种基于高效transformer的unet用于医学图像分割的方法，其特征在于：所述模型框架的架构至少包括编码器、解码器和跳跃连接；

4.根据权利要求3所述的一种基于高效transformer的unet用于医学图像分割的方法，其特征在于：所述lms-trans-block模块的应用过程至少包括以下步骤：

5.根据权利要求4所述的一种基于高效transformer的unet用于医学图像分割的方法，其特征在于：所述ta-block整合了图像特有的位置、通道和空间特征，从而能够针对图像的独特属性进行高效的特征提取，特别是在u-net架构中，ta-block的专用特征提取功能至关重要；

6.根据权利要求5所述的一种基于高效transformer的unet用于医学图像分割的方法，其特征在于：所述rpa采用位置注意力机制，所述位置注意力机制即pam，所述pam用于捕获特征图中任何两个点之间的位置映射关系，通过所有位置特征的加权和更新特征参数，由两个位...

【专利技术属性】
技术研发人员：肖汉光，任艳君，樊鼎，刘诗虹，汪洋舰，黄霄璇，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：