一种基于深度学习的颌骨病变分割分类系统

专利主权项内容

1.一种基于深度学习的颌骨病变分割分类系统，其特征在于，包括：影像获取模块(100)，用于获取颌骨的CBCT影像；预处理模块(200)，用于对所述CBCT影像进行预处理得到待分割分类对象；特征提取模块(300)，用于对所述待分割分类对象进行多层特征提取得到一一对应的多个第一特征图；分割处理模块(400)，用于将所述多个第一特征图输入多层分割处理网络得到一一对应的多个第二特征图；分类分支处理模块(500)，用于将所述多个第一特征图和多个第二特征图输入分类分支处理网络得到病变分类结果；分割分类结果获取模块(600)，用于将所述的输入多层分割处理网络得到一一对应的多个第二特征图中的最后一层分割处理得到的第二特征图作为病灶分割结果；将所述病灶分割结果和病变分类结果作为输入，进行任务合并处理后得到颌骨病变分割分类结果；所述的将所述多个第一特征图和多个第二特征图作为输入进行分类分支处理后得到病变分类结果，包括：将所述多个第一特征图和对应的多个第二特征图进行多维度注意力处理后，得到对应的多个第三特征图；将所述多个第三特征图分别进行多尺度注意力处理后得到一一对应多个第四特征图；将所述多个第四特征图进行分类编码处理后得到病变分类结果；所述的将所述多个第一特征图和对应的多个第二特征图进行多维度注意力处理后，得到对应的多个第三特征图，包括：将所述多个第一特征图和多个第二特征图一一对应作为两个输入进行多维度注意力处理，对于任意一个多维度注意力处理，包括：将第一特征图进行非线性激活处理后得到第一软注意力特征权重，将所述第一软注意力特征权重与第一特征图进行相乘处理后得到第一软注意力特征图；将第二特征图进行非线性激活处理后得到第二软注意力特征权重，将所述第二软注意力特征权重与第二特征图进行相乘处理后得到第二软注意力特征图；将第一特征图和第二特征图进行连接处理后，再依次进行1x1x1卷积处理和softmax处理，得到通道数为2的交叉注意力权重；将所述通道数为2的交叉注意力权重进行通道拆分处理，得到拆分后的两个权重；将所述拆分后的两个权重分别对应到第一软注意力特征图和第二软注意力特征图进行逐元素相乘后得到对应的两个特征图，再将该两个特征图进行逐元素相加，得到交叉融合特征；将所述交叉融合特征进行空间注意力处理得到第三特征图，包括：将所述交叉融合特征在通道维度上分别进行最大池化处理和平均池化处理，再将最大池化处理结果和平均池化处理结果进行进行连接，将连接的结果依次进行1x1x1卷积处理和非线性激活处理后得到空间注意力权重矩阵，将所述空间注意力权重矩阵和所述交叉融合特征进行逐元素相乘处理后得到所述第三特征图；所述的将所述多个第三特征图分别进行多尺度注意力处理后得到一一对应的多个第四特征图，包括：所述的进行多尺度注意力处理，对于任意一个第三特征图，包括：将该任意一个第三特征图和与其相邻的前两个第三特征图及后两个第三特征图分别进行1x1x1卷积处理后再依次进行上采样处理和池化处理；将指定的池化处理后的特征图与其相邻的特征图进行交叉注意力处理，得到融合特征图；将所述融合特征图中的特征的像素值求平均处理，得到对应的第四特征图。