申请/专利权人：北京长木谷医疗科技股份有限公司;张逸凌

申请日：2023-03-31

公开（公告）日：2024-04-02

公开（公告）号：CN116402780B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T5/50

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.08.04#实质审查的生效;2023.08.04#著录事项变更;2023.07.07#公开

摘要：本发明提供了一种基于双自注意力和深度学习的胸椎图像分割方法及装置，方法包括：获取待处理的医学图像数据集，医学图像数据集中的每张医学图像均包括有胸椎图像区域；将待处理的医学图像数据集输入至深度学习网络模型中，基于深度学习网络模型编码层中的多个双自注意力模块，对不同尺寸的编码图像分别进行双自注意力机制特征提取，得到多张不同尺寸的编码特征图像；基于深度学习网络模型解码层中的多个双自注意力模块，对特征拼接融合图像进行双自注意力机制特征提取，输出得到胸椎图像分割结果。上述方法得到的特征拼接融合图像则可以保留医学图像数据集中的较多特征信息，输出得到的胸椎图像分割结果也更加准确，提高了胸椎图像的分割精度。

主权项：1.一种基于双自注意力和深度学习的胸椎图像分割方法，其特征在于，包括：获取待处理的医学图像数据集，所述医学图像数据集中的每张医学图像均包括有胸椎图像区域；将所述待处理的医学图像数据集输入至深度学习网络模型中，基于所述深度学习网络模型编码层中的多个双自注意力模块，对不同尺寸的编码图像分别进行双自注意力机制特征提取，得到多张不同尺寸的编码特征图像；基于所述深度学习网络模型解码层中的多个双自注意力模块，对特征拼接融合图像进行双自注意力机制特征提取，输出得到胸椎图像分割结果；其中，所述特征拼接融合图像基于编码特征图像及与其对应的解码特征图像拼接操作得到；所述双自注意力模块包括：第一分支结构和第二分支结构，所述第一分支结构用于对输入的图像进行宽度自注意力特征提取操作、相加add操作、归一化Norm操作以及FFN操作，得到第一特征图；所述第二分支机构用于对输入的图像进行高度自注意力特征提取操作、相加操作、归一化Norm操作以及FFN操作，得到第二特征图；将所述第一特征图和所述第二特征图进行拼接Concat操作及Norm操作，得到第三特征图，所述第三特征图经过Norm操作以及FFN操作后所得的第四特征图与所述第三特征图进行add操作，输出得到第五特征图；第一分支结构包括：宽度自注意力WSA单元、相加add单元、归一化Norm单元以及前馈神经网络FFN单元，所述WSA单元用于进行宽度自注意力特征提取操作，所述相加add单元用于进行add操作，所述归一化Norm单元用于进行归一化Norm操作，所述前馈神经网络FFN单元用于进行FFN操作；所述WSA单元通过add单元与所述Norm单元及所述FFN单元连接；所述第二分支结构包括：高度自注意力HSA单元、相加add单元、归一化Norm单元以及前馈神经网络FFN单元；所述HSA单元通过add单元与所述Norm单元及所述FFN单元连接。

全文数据：

权利要求：

百度查询： 北京长木谷医疗科技股份有限公司;张逸凌 基于双自注意力和深度学习的胸椎图像分割方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD