[发明专利]一种基于双向相关性的one-shot脑图像分割方法

权利要求书

1.一种基于双向相关性的one-shot脑图像分割方法，其特征在于，包括以下步骤：

S1、获取脑解剖结构图像并进行分类，得到已标注影像和未标注影像y，并将已标注影像划分为图集x；

S2、构建图像变换模型，图像变换模型包括生成器G_F、生成器G_B及两个判别器D，生成器G_F、生成器G_B均匹配一判别器D，生成器G_F与生成器G_B结构相同均包括孪生编码器及解码器；

所述生成器G_F及生成器G_B还包括双注意模块，所述孪生编码器包括若干个用于提取图像浅层特征的编码子模块，通过编码子模块分流处理图集x及未标注影像y，或通过编码子模块分流处理重建影像及图集x，将提取得到相关特征图输入双注意模块，通过双注意模块分别学习相关特征图的空间信息及通道信息并输送给解码器，解码器包括有与编码子模块数量相匹配的解码子模块；

所述编码子模块具有5个分别为第一编码子模块、第二编码子模块、第三编码子模块、第四编码子模块及第五编码子模块并组成1个处理流，通过2个处理流分别处理图集x及未标注影像y，或通过2个处理流分别处理重建影像及图集x，2个处理流同时连接一个第五编码子模块，第五编码子模块与双注意模块相连接；所述解码子模块具有5个分别为第一解码子模块、第二解码子模块、第三解码子模块、第四解码子模块及第五解码子模块，第一解码子模块与双注意模块相连接，第二解码子模块接收第一解码子模块并分别与2个处理流的第四编码子模块进行长连接，第三解码子模块接收第二解码子模块并分别与2个处理流的第三编码子模块进行长连接，第四解码子模块接收第三解码子模块并分别与2个处理流的第二编码子模块进行长连接，第五解码子模块接收第四解码子模块，第五解码子模块输出图集x到未标注影像y的前向映射Δp_F，或第五解码子模块输出重建影像到图集x的后向映射Δp_B；

S3、将图集x及未标注影像y输入生成器G_F分流处理，通过生成器G_F的孪生编码器提取相关特征图并进行融合后输入解码器，解码器与孪生编码器相配合，得到图集x到未标注影像y的前向映射Δp_F；

S4、将图集x通过warp操作得到重建影像通过判别器D区分开重建影像与未标注影像y，判别器D与生成器G_F进行对抗，使得生成器G_F生成与未标注影像y相似的重建影像

S5、将重建影像及图集x输入生成器G_B，通过生成器G_B得到的孪生编码器提取相关特征图并进行融合后输入解码器，解码器与孪生编码器相配合，得到重建影像到图集x的后向映射Δp_B；

S6、将重建影像通过warp操作得到重建影像通过判别器D区分开重建影像与图集x，判别器D与生成器G_B进行对抗，使得生成器G_B生成与图集x相似的重建影像

S7、根据重建影像与图集x的相似度，使得生成器G_F、判别器D及生成器G_B相互约束，得到最终的前向映射Δp_F ，将前向映射Δp_F 通过warp操作应用在图集x的标注上，得到有标注重建影像

2.如权利要求1所述的一种基于双向相关性的one-shot脑图像分割方法，其特征在于：所述双注意模块包括空间注意模块及通道模块，分别在空间和通道维度上捕捉信息，将空间注意模块与通道注意模块的结果相加，得到新的特征图。

3.如权利要求2所述的一种基于双向相关性的one-shot脑图像分割方法，其特征在于：所述编码子模块通过基本残差模块堆叠的ResNet-34组成。

4.如权利要求1所述的一种基于双向相关性的one-shot脑图像分割方法，其特征在于：所述判别器D采用PatchGAN判别器。