[发明专利]一种基于位置卷积注意力网络的血管斑块CT影像分割方法

说明书

一种基于位置卷积注意力网络的血管斑块CT影像分割方法，通过对原始采集到的影像依次进行归一化、去噪、增强的预处理操作；其次，将预处理后的影像输入到位置卷积注意力网络进行分割。位置卷积注意力网络包含两大模块：模块一为位置注意力模块，利用自注意力机制去捕获影像像素之间的位置关联度和依赖程度，以此生成聚合的影像特征图，从而通过关联度高的像素点表现出的极高相似性，形成初步的分割区域。模块二为V‑Net结构，利用下采样、上采样和跳跃连接结构生成恢复特征图，恢复特征图融合了更多的像素特征，使得分割图边缘等信息更为精细；最后，将位置卷积注意力网络输出的聚合影像特征图与恢复特征图进行像素点融合，得到目标分割影像。

技术领域

本发明涉及医学影像技术领域，具体涉及一种基于位置卷积注意力网络的血管斑块CT影像分割方法。

背景技术

目前主流的血管斑块筛查技术是利用CT技术形成影像，后由人工分析。但人工分析水平往往有限。以往的医学图像分割主要基于传统的图像分割方法，方法是简单的利用图像的纹理、形状、灰度等特性把图像分割成几个互不相交的区域，且分割性能优劣没有客观的判断标准。随着人工智能技术的发展，利用深度学习的影像自动分析技术能够代替人力的基础上大大提升分析的时间和效率，故对血管斑块CT影像的自动分析技术的研究显得尤为重要。

发明内容

本发明为了克服以上技术的不足，提供了一种在不需要人工干预的情况下，快速的对血管斑块进行筛查并标注的CT影像分割方法。

本发明克服其技术问题所采用的技术方案是：

一种基于位置卷积注意力网络的血管斑块CT影像分割方法，包括如下步骤：

a)对采集的血管斑块CT影像进行图像预处理操作；

b)遍历预处理后的图像，统计图像大小，将图像大小裁剪为512×512后输出图像为D，D∈R^C×H×W，R为实数空间，C为图像通道数，H为图像高度，W为图像宽度；

c)将图像D输入到位置卷积注意力网络中的位置注意力模块的二维卷积层中，生成三个特征图D₁∈R^C×H×W、D₂∈R^C×H×W、D₃∈R^C×H×W，将特征图D₁、D₂、D₃的大小重塑为R^C×Q，Q＝H×W；

d)将特征图D₁和D₂输入到位置卷积注意力网络中的位置注意力模块的位置注意力层，得到包含像素位置关联度和依赖度的注意力特征图D₄；

e)利用特征图D₃与特征图D₄生成聚合影像特征图E；

f)将图像D输入到位置卷积注意力网络中的V-Net模块，初始为D＝D^0,0，将D^0,0进行下采样处理后得到输出图像D^1,0，

g)将图像D^1,0重复进行三次下采样处理，依次得到输出图像D^2,0、D^3,0、D^4,1，

h)对图像D^4,1进行上采样处理后作为输入依次输入二维卷积层、Dropout层后通过公式D^i,1＝Concat(D^0,0,…D^i,0,Upsample(D^i+1,1))i＝3,2,1分别计算得到第1次上采样的输出图像D^3,1、第二次上采样的输出图像D^2,1以及第三次上采样的输出图像D^1,1，式中Concat(·)为跳跃连接机制，Upsample(·)为上采样操作，