基于注意力机制和多层级特征融合的心脏图像分割方法
申请人信息
- 申请人:山东省人工智能研究院; 齐鲁工业大学(山东省科学院)
- 申请人地址:250013 山东省济南市科院路19号
- 发明人: 山东省人工智能研究院; 齐鲁工业大学(山东省科学院)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于注意力机制和多层级特征融合的心脏图像分割方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311461592.2 |
| 申请日 | 2023/11/6 |
| 公告号 | CN117522881A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06T7/10 |
| 权利人 | 山东省人工智能研究院; 齐鲁工业大学(山东省科学院) |
| 发明人 | 陈长芳; 翟纯琳; 舒明雷; 周书旺; 孔祥龙; 朱喆 |
| 地址 | 山东省济南市科院路19号; 山东省济南市西部新城大学科技园 |
摘要文本
一种基于注意力机制和多层级特征融合的心脏图像分割方法，涉及图像分割技术领域，采用解码器‑编码器模式的对称结构。设计了密集级联模块，密集级联模块内部的空洞卷积层以密集方式级联，将模块的原始输入与特征提取后的输出结合起来，增强图像特征信息的传递；引入位置自注意力模块，替代模型结构中的底部结构，可以将输入的全局信息融合起来，能有效地增强特征的鲁棒性和特征之间的局部连接。在跳跃连接过程中加入通道注意力模块，从而对通道之间的特征图进行加权并选择有用的特征图。在解码器部分加入了多层级门控融合模块，它可以自动调整不同层级特征图的贡献并充分利用多层级信息，实现更好的预测。
专利主权项内容
1.一种基于注意力机制和多层级特征融合的心脏图像分割方法，其特征在于，包括如下步骤：a)获取心脏MRI图像数据集X，X＝{X, X, ..., X, ..., X}，其中X为第i张心脏MRI图像，i∈{1, …, N}，N为心脏MRI图像数量；12iNib)对心脏MRI图像数据集X进行预处理操作，得到预处理后的数据集X′；c)将预处理后的数据集X′划分为训练集、验证集、测试集；d)将训练集中各个预处理后的心脏MRI图像沿Z轴进行切片，得到M个切片图像，第i个切片图像为F，i∈{1, …, M}；ie)建立由编码器和解码器构成的分割网络模型；f)将第i个切片图像F输入到分割网络模型的编码器中，输出得到特征图A；i5-ig)将特征图A输入到分割网络模型的解码器中，输出得到分割结果图像P；5-iih)训练分割网络模型，得到优化后的分割网络模型；i)将测试集中各个预处理后的心脏MRI图像沿Z轴进行切片，得到Q个切片图像，第i个切片图像为F′，i∈{1, …, Q}；ij)将第i个切片图像F′输入到优化后的分割网络模型中，输出得到分割结果图像P′。ii