【技术实现步骤摘要】
本申请涉及计算机视觉领域，具体地，涉及一种基于多切片注意的腹部多器官分割方法及装置。
技术介绍
1、近年来，随着深度学习的发展，以卷积神经网络(convolutional neuralnetworks，cnn)为代表的深度学习模型利用大量带注释的训练图像，自动提取图像特征，而无需复杂的非刚性配准，极大地提高了医学图像分割的准确性。受临床放射科医生需要多个相邻的ct切片来定位一个ct切片上的器官的启发，现有的方法大多将多个相邻的二维ct切片作为二维网络架构的输入，或者直接采用以三维体积为输入的三维网络设计来提取更多的三维上下文信息。虽然2d和3d方法都产生了很好的分割性能，但基于多片输入的2d分割方法比纯3d方法更受欢迎，因为3d网络面临着巨大的计算量和存储成本，而且公开可用的3d医疗数据集不足以进行鲁棒3d预训练。
2、尽管基于多切片输入的2d方法在不同的应用中表现出良好的性能，但仍然具有固有的局限性。1)切片内的弱全局上下文建模：大多数方法都是采用卷积神经网络作为主干来提取图像特征，作为强大的图像表示。尽管cnn在局部特征...
【技术保护点】
1.一种基于多切片注意的腹部多器官分割方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述多切片注意模块包括局部信息提取块和全局信息提取块；
3.如权利要求2所述的方法，其特征在于，所述局部信息提取块包括通道洗牌模块和卷积层，所述通道洗牌模块对所述特征图沿通道维度划分为多个组，并对每个组进行深度可分离卷积以提取局部特征；对每个组的局部特征沿通道维度进行拼接，得到拼接后的特征；
4.如权利要求2所述的方法，其特征在于，所述全局信息提取块包括补丁嵌入提取块和切片特征关注块；
5.如权利要求4所述的方法，其特...
【技术特征摘要】
1.一种基于多切片注意的腹部多器官分割方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述多切片注意模块包括局部信息提取块和全局信息提取块；
3.如权利要求2所述的方法，其特征在于，所述局部信息提取块包括通道洗牌模块和卷积层，所述通道洗牌模块对所述特征图沿通道维度划分为多个组，并对每个组进行深度可分离卷积以提取局部特征；对每个组的局部特征沿通道维度进行拼接，得到拼接后的特征；
4.如权利要求2所述的方法，其特征在于，所述全局信息提取块包括补丁嵌入提取块和切片特征关注块；
5.如权利要求4所述的方法，其特征在于，所述单切片补丁嵌入模块用于对切片特征图进行二维卷积、平均池化及形状重塑，得到切片特征图的补丁嵌入。
...【专利技术属性】
技术研发人员：管子玉，刘梦浩，赵伟，句建国，李成，赵雪松，
申请(专利权)人：西北大学，
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。