[发明专利]基于卷积神经网络的头颈血管分割方法及装置

权利要求书

1.一种基于卷积神经网络的头颈血管分割方法，其特征在于，包括：

将头颈动脉血管断层扫描影像数据输入预设卷积神经网络进行处理，以得到不同尺度的第一特征图谱，所述不同尺度的第一特征图谱是指通过尺寸调整层将原始尺度特征图谱进行操作，得到四个不同尺度的特征图谱，以对应像素层次特征、目标层次特征与全图层次特征；

将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱；

所述将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱，包括：

通过卷积层对不同尺度的所述第一特征图谱进行降维，降维尺度为[1，2，4，8]；

使用三立方插值和三维最大池化层对四个不同尺度的特征图谱进行相互交互和特征互联，以得到不同尺度的交互特征；

将不同尺度的所述交互特征分别输入到所述预设卷积神经网络中，以得到所述第二特征图谱；

将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果；

所述将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果，包括：

将所述第二特征图谱通过1☓1☓1卷积核进行映射，通过调节通道数，对不同的通道上的像素点进行线性组合，然后进行非线性化操作，以达到降维的目的；

通过预设激活函数将映射后的所述第二特征图谱进行处理，以得到头颈血管分割模型，网络模型的损失函数为Dice与二值交叉熵损失函数之和。

2.根据权利要求1所述的基于卷积神经网络的头颈血管分割方法，其特征在于，所述将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱包括：

通过卷积层对不同尺度的所述第一特征图谱进行降维；

通过级联层将降维后得到的不同尺度的所述第一特征图谱进行特征交互，以得到不同尺度的交互特征；

将不同尺度的所述交互特征分别输入到所述预设卷积神经网络中，以得到所述第二特征图谱。

3.根据权利要求1所述的基于卷积神经网络的头颈血管分割方法，其特征在于，所述将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果包括：

通过预设激活函数将所述第二特征图谱进行处理，并输出头颈血管分割模型；

接收终端的头颈血管分割请求；

将所述头颈血管分割请求中的所述头颈动脉血管断层扫描影像数据输入到所述头颈血管分割模型，以得到所述头颈血管分割结果。

4.一种基于卷积神经网络的头颈血管分割装置，其特征在于，包括：

输入模块，用于将头颈动脉血管断层扫描影像数据输入预设卷积神经网络进行处理，以得到不同尺度的第一特征图谱，所述不同尺度的第一特征图谱是指通过尺寸调整层将原始尺度特征图谱进行操作，得到四个不同尺度的特征图谱，以对应像素层次特征、目标层次特征与全图层次特征；

交互模块，用于将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱；

所述将不同尺度的所述第一特征图谱进行交互后分别输入到所述预设卷积神经网络中，以得到第二特征图谱，包括：

通过卷积层对不同尺度的所述第一特征图谱进行降维，降维尺度为[1，2，4，8]；

使用三立方插值和三维最大池化层对四个不同尺度的特征图谱进行相互交互和特征互联，以得到不同尺度的交互特征；

将不同尺度的所述交互特征分别输入到所述预设卷积神经网络中，以得到所述第二特征图谱；

分割模块，用于将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果；

所述将所述第二特征图谱按照预设规则进行映射，以得到头颈血管分割结果，包括：

将所述第二特征图谱通过1☓1☓1卷积核进行映射，通过调节通道数，对不同的通道上的像素点进行线性组合，然后进行非线性化操作，以达到降维的目的；

通过预设激活函数将映射后的所述第二特征图谱进行处理，以得到头颈血管分割模型，网络模型的损失函数为Dice与二值交叉熵损失函数之和。