standard download
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210940594.9 (22)申请日 2022.08.06 (71)申请人 河南大学 地址 475001 河南省开封市顺河区明伦街 85号 (72)发明人 庞子龙 马韶胤 武戈 莫也  蒋奇臻  (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 专利代理师 张立强 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/44(2022.01) G06V 10/82(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种双重特征融合MRA图像的颅内动脉瘤分 割方法 (57)摘要 本发明属于医学图像处理技术领域, 公开了 一种双重 特征融合MRA图像的颅内动脉瘤分割方 法, 提出了一种新型的特征融合方式, 使神经网 络能更有效的分割出颅内动脉瘤的精确位置。 具 体包括以下步骤: 对三维时间飞跃磁共振血管成 像图像进行预处理, 将其制作为数据集; 将处理 过的图像输入用于特征提取的解码器以获得逐 渐增大的高级语义特征, 然后通过双重特征融合 使特征反馈至解码器中; 解码器进行多尺度的特 征提取后还原原本的图像, 以取得分割效果。 本 发明提出的神经网络结构有效的解决了在颅内 动脉瘤分割任务中目标较小、 样本不均衡的问 题, 并拥有较优的分割效果。 权利要求书3页 说明书9页 附图5页 CN 115147404 A 2022.10.04 CN 115147404 A 1.一种双重特 征融合MRA图像的颅内动脉瘤分割方法, 其特 征在于, 包括: 步骤1: 对 采集到的MRA图像进行 预处理并划分数据集; 步骤2: 将预处 理后的数据输入编码器模块进行语义特 征提取; 步骤3: 进行层间及通道间双重特 征融合, 并将融合后的特 征反馈至解码器模块中; 步骤4: 解码器模块基于步骤2和步骤3提取的特征对MRA图像进行重建, 并输出分割结 果; 步骤5: 基于划分后的数据集进行训练与测试, 评价分割结果。 2.根据权利要求1所述的一种双重特征融合MRA图像的颅内动脉瘤分割方法, 其特征在 于, 所述步骤1包括: 步骤1.1: 对 采集到的MRA图像进行筛 选; 步骤1.2: 对筛 选后的数据进行N 4偏置场矫 正; 步骤1.3: 移除数值 为0的体素; 步骤1.4: 对数据进行图像增强: 步骤1.5: 将数据集划分为训练集、 验证集和 测试集; 步骤1.6: 将数据转 化为Tensor格式, 并进行归一 化使数据限定在[0, 1]之间; 步骤1.7: 将所有数据由中心切割为128像素 ×128像素×128像素的大小。 3.根据权利要求2所述的一种双重特征融合MRA图像的颅内动脉瘤分割方法, 其特征在 于, 所述步骤1.4包括: 步骤1.4.1: 依据probability=0.8, m ax_left_rotation=10, m ax_right_rotation= 10, 对图像进行随机左右旋转; 其中, probability为旋转概率, max_left_rotation为最大 左旋角度, max_right_rotati on为最大右旋角度; 步骤1.4.2: 取sigma=0.5对图像进行高斯模糊; 步骤1.4.3: 将数据进行随机 裁剪, 并随机改变其长 宽高比例; 步骤1.4.4: 对数据进行l ossless重排。 4.根据权利要求1所述的一种双重特征融合MRA图像的颅内动脉瘤分割方法, 其特征在 于, 所述步骤2包括: 步骤2.1: 使用尺寸为4 ×4×4, 步长为4的卷积核对输入图像进行3D  Patch Partition 与Linear  Embedding操作使特征图的尺寸减小到原来的1/4; 并将上述特征图输入至LN层 进行Layer  Norm操作; 对上述输出做Drop  Out操作; 得到特 征图1; 步骤2.2: 先对Drop  Out操作后输出的特征图进行Layer  Norm操作, 之后使用Swin   Transformer的编码器架构, 将上述输出特征图分为多个7 ×7×7大小的小块, 使用全连接 层对每一个小块生成对应的Query、 Key与Value; 之后以每个小块为单位进行Swin   Transformer中的多头注意力操作; 将上述特征图输入到全连接层中, 进行Drop  Out操作; 将Drop Out操作后的输出特征图与特征图1进行相加得到特征图2; 将特征图2进行Layer   Norm操作; 然后输入MLP层中, 进行Drop  Out操作; 将Drop  Out操作后的输出特征图与特征 图2相加, 输出 特征图3; 步骤2.3: 将特征图3进行L ayer Norm操作; 对上述分块操作的小块进行滑动; 使用全连 接层对每一个小块生成对应的Query、 Key与Value; 之后以每个小块为单位进行Swin   Transformer中的滑动多头注 意力操作, 将上述操作后的特征图输入到全连接层中, 然后进权 利 要 求 书 1/3 页 2 CN 115147404 A 2行Drop Out操作; 将Drop  Out操作后的输出特征图与特征图3进行相加得到特征图4; 将特 征图4进行Layer  Norm操作; 将Layer  Norm操作后输出特征图输入MLP层中, 进行Drop  Out 操作; 将Drop  Out操作后输出 特征图与特 征图4相加, 输出 特征图5; 步骤2.4: 使用Swin  Transformer中的3D  Patch Merging对特征图5进行下采样, 使其 H、 W减小至原来的1/2, D不变, 其中H、 W、 D分别表示特 征图的高、 宽、 长; 步骤2.5: 重复操作步骤2.2、 步骤2.3与步骤2.4各两次, 得到特 征图6。 5.根据权利要求3所述的一种双重特征融合MRA图像的颅内动脉瘤分割方法, 其特征在 于, 所述步骤3包括: 步骤3.1: 将步骤2中三轮编码器模块输出的结果保存; 通过不同的填充与卷积操作, 将 上述保存 特征图尺 寸均调整为7 ×7×7, 通道数不变, 得到特征图7、 特征图8、 特征图9; 在通 道维度上将特 征图7、 8、 9连接获得 特征图10; 将特 征图7、 8、 9、 10进行Layer  Norm操作; 步骤3.2: 将特征图7、 8、 9通过全连接层生成拥有4head的Query1、 Query2、 Query3作为 多头注意力操作中的Query; 将特征图10通过全连接层生成拥有4head的Key、 Value; 使 4head的Key、 Value分别对Query1、 Query2、 Query3做通道维度上的自注意力得到 特征图R1、 R2、 R3; 通过mean操作将R1、 R2、 R3的head合并; 将上述输出特征图分别输入全连接层, 进行 Drop Out操作后输出O1、 O2、 O3; 将O1、 O2、 O3分别 与特征图7、 8、 9相加得到 特征图11、 12、 13; 对特征图11、 12、 13进行Layer  Norm操作及MLP操作; 将MLP操作后输出分别与特 征图11、 12、 13相加得到特 征图14、 15、 16; 步骤3.3: 将步骤3.2重复三次, 对对应输出特征图分别进行L ayer Norm操作; 通过维度 变换操作使特征图尺寸由[B, Pat ch, C]转化为[B, D, H, W, C], 得到特征图17、 18、 19; 其中B 代 表训练中的Batch  Size; Patch代表在自注意力操作中Query、 Key与Value的个数; C代表通 道数; D、 H、 W代 表特征图的长、 高、 宽; 步骤3.4: 输出三次重复步骤2.2 中的Key、 V alue得到k11、 k12、 k13、 v11、 v12、 v13; 输出三次 重复步骤2.3中的K ey、 Value 得到k21、 k22、 k23、 v21、 v22、 v23; 步骤3.5: 将特征图10进行SE注意力机制操作与softmax操作, 将按通道数分割后得到 结果与特征图17、 18、 19在通道方 向上做torch.cat操作; 通过填充与卷积操作将上述输出 特征图尺 寸转化为与其对应的步骤3.1输入的特征图尺 寸相同, 输出结果特征图; 将上述输 出特征图分别与步骤2.2重复三次的输入结果相加得到特 征图20、 21、 2 2。 6.根据权利要求4所述的一种双重特征融合MRA图像的颅内动脉瘤分割方法, 其特征在 于, 所述步骤4包括: 步骤4.1: 通过flatten与transp ose操作将 特征图6尺寸变为[B, H ×W×D, C]; 将上述输 出特征图通过全 连接层上采样 至[B, H×W×D, 2×C]; 上述输出特征图通过view操作将其尺 寸调整至[B, D, H, W, 2 ×C]; 通过rearrange操作 将上述输出特征图尺寸调整至[B, D, 2 ×H, 2 ×W, C/2]; 将上述输出 特征图进行Layer  Norm操作; 步骤4.2: 使用torch.cat操作将输入特征图22和步骤4.1中输出特征图在通道维度上 合并; 将上述输出特征图通过全连接层将其通道数减半, 然后分为

.PDF文档 专利 一种双重特征融合MRA图像的颅内动脉瘤分割方法

文档预览
中文文档 18 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共18页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种双重特征融合MRA图像的颅内动脉瘤分割方法 第 1 页 专利 一种双重特征融合MRA图像的颅内动脉瘤分割方法 第 2 页 专利 一种双重特征融合MRA图像的颅内动脉瘤分割方法 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 04:37:10上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。