【技术实现步骤摘要】
本专利技术涉及图像分割，特别涉及一种基于多模态特征融合的图像分割方法、系统与设备。
技术介绍
1、脑胶质瘤是一种由星形细胞演变而来的健康威胁。在当今的临床诊断中，活体片检查仍是脑肿瘤定性诊断的最佳方法，但不可避免地会伴随一定的不确定性风险。为此，计算机断层扫描、磁共振成像和x射线成像等医疗影像方法也都被用于脑肿瘤检测，其中磁共振成像(magnetic resonance imaging，mri)技术更为常用，因为它不侵入人体、无电离辐射，同时可以轻松获得人体组织不同横截面图像。
2、与x射线不同，mri图像反映的是信号强度而非密度。不同类型的mri图像能够展示患者身体结构和功能的不同方面。常见的四种类型mri图像为：液体衰减反转恢复flair(fluid attenuated inversion recovery)成像、t1加权成像、t1ce加权成像和t2加权成像。flair能够揭示脑组织中的病变情况；t1和t2代表不同的物理量；t1ce在mri前注入造影剂，使细胞分裂速度快，肿瘤部位的区域更加明亮，从而直观地显示出肿瘤的位...
【技术保护点】
1.一种基于多模态特征融合的图像分割方法，其特征在于，包括：
2.如权利要求1所述的一种基于多模态特征融合的图像分割方法，其特征在于，对不同类型的脑瘤MRI图像进行多模态特征提取，通过所述多模态特征生成初始特征图，具体为：
3.如权利要求2所述的一种基于多模态特征融合的图像分割方法，其特征在于，所述在一维序列中补充脑瘤MRI图像的三维位置编码序列，获得优化序列，包括：
4.如权利要求1所述的一种基于多模态特征融合的图像分割方法，其特征在于，所述只针对优化序列参考位置处的关键采样点进行处理，获取多个注意力头的特征表示，具体为：
...【技术特征摘要】
1.一种基于多模态特征融合的图像分割方法，其特征在于，包括：
2.如权利要求1所述的一种基于多模态特征融合的图像分割方法，其特征在于，对不同类型的脑瘤mri图像进行多模态特征提取，通过所述多模态特征生成初始特征图，具体为：
3.如权利要求2所述的一种基于多模态特征融合的图像分割方法，其特征在于，所述在一维序列中补充脑瘤mri图像的三维位置编码序列，获得优化序列，包括：
4.如权利要求1所述的一种基于多模态特征融合的图像分割方法，其特征在于，所述只针对优化序列参考位置处的关键采样点进行处理，获取多个注意力头的特征表示，具体为：
5.如权利要求4所述的一种基于多模态特征融合的图像分割方法，其特征在于，所述将多个注意力头的特征表示通过线性投影进行加权聚合，建立具有不同模态特征之间长程依赖关系的输出序列，具体为：
6.如权利...
【专利技术属性】
技术研发人员：夏勇，傅一航，
申请(专利权)人：西北工业大学深圳研究院，
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。