[发明专利]软组织运动预测方法、装置、终端设备及可读存储介质

说明书

本申请适用于图像处理技术领域，尤其涉及软组织运动预测方法、装置、终端设备及可读存储介质。所述软组织运动预测方法获取原始图像序列，原始图像序列用于描述软组织在第一时间段的运动轨迹，将原始图像序列输入至预设的软组织运动预测模型进行处理，得到软组织运动预测模型输出的预测图像序列，预测图像序列用于描述预测到的软组织在与第一时间段相邻的第二时间段的运动轨迹；其中，软组织运动预测模型包括堆叠的多层长短期记忆网络单元，长短期记忆网络单元根据时间序列跨层进行目标时空特征的传输，长短期记忆网络单元包括自注意力模块。通过本申请提供的软组织运动预测方法可以有效提高软组织运动预测的效果和精度。

技术领域

本申请属于图像处理技术领域，尤其涉及软组织运动预测方法、装置、终端设备及计算机可读存储介质。

背景技术

在高强度聚焦超声(high-intensity focused ultrasound，HIFU)影像引导的治疗中，软组织的运动会对治疗产生负面影响。因此，需要提前进行软组织运动预测。现有技术中，可以采用无模型匹配的跟踪方法和基于模型匹配的跟踪方法等传统方法来进行软组织的运动预测，但这些传统方法存在运动预测效果较差和精度较低的问题。

发明内容

本申请实施例提供了一种软组织运动预测方法、装置、终端设备及计算机可读存储介质，可以有效提高软组织运动预测的效果和精度。

第一方面，本申请实施例提供了一种软组织运动预测方法，可以包括：

获取原始图像序列，所述原始图像序列用于描述软组织在第一时间段的运动轨迹；

将所述原始图像序列输入至预设的软组织运动预测模型进行处理，得到所述软组织运动预测模型输出的预测图像序列，所述预测图像序列用于描述预测到的所述软组织在与所述第一时间段相邻的第二时间段的运动轨迹；其中，所述软组织运动预测模型包括堆叠的多层长短期记忆网络单元，所述长短期记忆网络单元根据时间序列跨层进行目标时空特征的传输，所述长短期记忆网络单元包括自注意力模块。

上述的软组织运动预测方法，可以通过自注意力模块获取全局空间的上下文信息，并根据时间序列跨层进行时空特征的传输，以增强不同时间图像中时空信息的传递，使得软组织运动预测模型具有更强的空间相关性、短期建模能力和长期建模能力，可以大大提高软组织运动预测模型的预测效果和精度，从而提高软组织运动预测的效果和精度。

示例性的，所述长短期记忆网络单元根据时间序列跨层进行目标时空特征的传输，可以包括：

第l+1层长短期记忆网络单元将t-1时刻生成的目标时空特征图传输给t时刻的第l层长短期记忆网络单元，1≤l＜L，L为所述软组织运动预测模型包含的长短期记忆网络单元的总层数。

可选的，所述自注意力模块包括第一自注意力模块和第二自注意力模块，所述第一自注意力模块与所述第二自注意力模块并联，所述第一自注意力模块用于生成候选时空特征图，所述第二自注意力模块用于生成候选空间特征图。

示例性的，所述第一自注意力模块可以根据下述公式生成所述候选时空特征图：