基于上下文注意力和特征融合的CT图像肺动脉分割方法及系统

专利主权项内容

1.一种基于上下文注意力和特征融合的CT图像肺动脉分割方法，其特征在于，包括下述步骤：训练阶段：获取原始的CT图像，识别出原始的CT图像中的肺部区域，并裁剪掉肺部区域以外的部分，对CT图像进行线性规范化，获取CT图像真实的肺动脉标签；在CT图像中的肺部区域中以设定的步长及窗口大小滑动提取图像区块；构建基于上下文注意力和特征融合的3D U-Net网络，将图像区块输入到3DU-Net网络进行网络训练，得到图像区块对应的肺动脉分割的预测值；网络训练时，使用图像区块的肺动脉分割的预测值和真实的肺动脉标签，基于分组监督和混合损失函数计算损失，使用反向传播方法更新网络参数，重复迭代训练直至达到收敛条件，训练完成；推理阶段：获取待推理的CT图像，识别出待推理的CT图像中的肺部区域，对CT图像进行线性规范化；在CT图像中的肺部区域中以设定的步长及窗口大小滑动提取图像区块，记录区块所属的CT图像和在CT图像中的位置；将图像区块输入到训练后的3D U-Net网络中，得到肺动脉分割预测值；获取各个区块所属的CT图像和在CT图像中的位置，将属于同一个CT的所有图像区块的肺动脉分割预测值组合起来得到CT图像整体的肺动脉分割预测值，使用硬分割处理后得到二值化分割结果，对于肺动脉提取最大连通分量，作为最终的CT图像肺动脉分割结果。