申请/专利权人：浙江大学

申请日：2022-03-04

公开（公告）日：2024-06-18

公开（公告）号：CN114565624B

主分类号：G06T7/11

分类号：G06T7/11;G06T7/00;G06V10/42;G06V10/44;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：本发明公开了一种基于多期立体图元生成器的肝脏病灶分割的图像处理方法，利用多期信息和立体信息将多期CT序列特征编码成若干图元，将这些图元输入到Transformer模型中学习跨期特征。具体地，首先提取图像特征，利用CNN提取多期CT序列的特征；然后利用多期立体图元生成器为每一层CT图像生成多期立体图元；接着将所有CT图像的图元拼接起来输入到Transformer中学习多期特征；最后利用解码器将多期特征还原为最终分割。本发明基于多期立体图元生成器将非对齐多期CT序列编码为若干图元，不仅显著提高了肝脏病灶分割的准确度，还降低了显存使用消耗。

主权项：1.一种基于多期立体图元生成器的肝脏病灶分割的图像处理方法，其特征在于，包括如下步骤：1对待预测的CT序列的动脉期上下文Xa和静脉期上下文Xv进行预处理，使其符合网络的输入要求；2利用CNN网络，提取动脉期上下文Xa和静脉期上下文Xv的高层次特征，动脉期特征fa和静脉期特征fv，以及对应的低层次特征和3利用多期立体图元生成器，为动脉期上下文Xa和静脉期上下文Xv的特征fa和fv的每一层CT图像，生成动脉期图元Ta和静脉期图元Tv；3.1利用全局层注意力，计算步骤2中高层次特征fa和fv互相之间的全局层间特征和3.2利用全局空间注意力，计算步骤2中高层次特征fa和fv互相之间的全局空间特征和3.3利用局部注意力，计算步骤2中特征fa和fv互相之间的局部特征la和lv；3.4将步骤3.1得到的全局层间特征、步骤3.2得到的全局空间特征、步骤3.3得到的局部特征以及步骤2中对应的CT序列特征，融合起来，生成跨期序列特征pa和pv；3.5利用空间注意力和全局空间池化，为跨期序列特征pa和pv中的每一层特征，分别生成多期立体图元Ta和Tv；4将步骤3中的动脉期图元Ta和静脉期图元Tv拼接后，分别与特征fa和fv，输入到Transformer中，生成对应的多期特征fm,a和fm,v；5利用图元融合器，将步骤4中的多期特征fm,a和fm,v，分别与步骤2中对应的上下文特征fa和fv融合；再将两个图元融合器的输出，分别与步骤2中的特征fa和步骤2中的特征fv相加，得到对应的融合特征Fa和Fv；6使用解码器，将融合后的融合特征Fa和Fv，分别解码为动脉期和静脉期的肝脏病灶分割。

全文数据：

权利要求：

百度查询： 浙江大学 基于多期立体图元生成器的肝脏病灶分割的图像处理方法

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