[发明专利]一种注意力机制引导的肾CT图像分割方法

权利要求书

1.一种注意力机制引导的肾CT图像分割方法，其特征在于，包含以下步骤：

步骤1、输入CT图像；

步骤2、数据预处理和数据增广；

步骤3、经过处理的图像输入编码器；

步骤4、经过编码的图像进入注意力机制模块进行处理；

步骤5、经过处理的图像进入解码器；

步骤6、输出经过解码的图像。

2.根据权利要求1所述的一种注意力机制引导的肾CT图像分割方法，其特征在于：所述步骤2数据预处理和数据增广，具体包含以下步骤：

步骤2.1：数据预处理：肾肿瘤数据中的类别信息有三种：0为背景，1为肾区域，2为肾肿瘤区域；图像的形状为num_slices，num_slices对应轴向视图，切片厚度范围为1mm至5mm；首先，为了消除可能来自某些金属物的异常强度值，按照min＝-79和max＝304为阈值对图像强度值进行剪切，即小于-79的强度值都修正为-79，大于304的强度值都修正为304；然后，通过数据归一化的方式将预处理的图像强度值限定在一定的范围内，从而消除某些异常样本数据对训练造成的不良影响；采用的方法为z-score归一化，μ和σ分别为全局样本均值和全局标准差，N为所有样本中体素的总数，x_i为每个样本中的每个体素值，x为原始体素值，z为归一化后的体素值；μ＝101，σ＝76.9；

对数据进行重采样，将数据集中图像的spacing调整一致，调用的方法为scipy.ndimage中的affine_transform函数，目标体素空间为(3.22，1.62，1.62)；

步骤2.2：数据增广，数据增强包括随机旋转、随机缩放、随机伽马校正增强和随机镜像翻转；缩放系数的范围为[0，85，1.25]，伽马校正的γ范围为[0.7，1，5]；将实验的参数设置为对每一个样本进行数据增广变换的操作的概率为0.1；通过在数据增广过后的数据集上进行训练，模型可在测试样本上得到更好的分割结果。

3.根据权利要求1所述的一种注意力机制引导的肾CT图像分割方法，其特征在于：所述步骤3经过处理的图像输入编码器，具体步骤如下：

步骤3.1：被处理过的图像进入编码器；

步骤3.2：编码器中包含多层下采样层，提取图像不同尺度的特征，捕捉更加精确的信息；

步骤3.3：从编码器输出的特征图谱进入注意力机制模块。

4.根据权利要求1所述的一种注意力机制引导的肾CT图像分割方法，其特征在于：所述注意力机制模块是基于解耦合注意力模块设计的，包含两个部分：上层为全局注意力检测器，下层为显著注意力检测器；本模块将编码器提取的特征图谱作为输入，输出一个新的特征图谱；

所述全局注意力检测器，用于引导网络关注所要识别的物体所在的位置，包含Dropout层，1×1×1卷积层，非线性激活函数，空间归一化；

所述显著注意力检测器，用于发掘图像中具有代表性的特征，包含1×1×1卷积层。

5.根据权利要求1所述的一种注意力机制引导的肾CT图像分割方法，其特征在于：所述步骤4经过编码的图像进入注意力机制模块进行处理，具体包含以下步骤：

步骤4.1：利用全局注意力检测器得到所要识别物体所在位置的特征的图谱；

步骤4.2：利用显著注意力检测器得到图像中具有代表性特征图谱；

步骤4.3：通过哈达码积计算将得到的两个特征图谱融合在一起；

步骤4.4：得到最终的注意力引导的特征图谱。

6.根据权利要求1所述的一种注意力机制引导的肾CT图像分割方法，其特征在于：所述解码器用于将上下文的信息传播到更高的分辨率层，并且学习高级的语义信息，并输出图像的分割结果。