[发明专利]基于CNN与Transformer的髋关节分割方法及装置

说明书

本申请提供了一种基于CNN与Transformer的髋关节分割方法、装置、电子设备及计算机可读存储介质，能够更加准确地进行髋关节的分割。该基于CNN与Transformer的髋关节分割方法，包括：在获取髋关节图像后，基于髋关节图像获取目标髋关节图像；利用CNN网络对目标髋关节图像进行多尺度编码，得到CNN编码后的特征图；利用Transformer网络对CNN编码后的特征图进行多尺度编码，得到Transformer编码后的特征图；对Transformer编码后的特征图进行解码，得到解码后的特征图；利用Attention Gate网络和执行Concat操作，将编码后的特征图与解码后的特征图进行融合，得到目标特征图；基于目标特征图，获取髋关节分割结果。根据本申请实施例，能够更加准确地进行髋关节的分割。

技术领域

本申请属于医学图像处理领域，尤其涉及一种基于CNN与Transformer的髋关节分割方法、装置、电子设备及计算机可读存储介质。

背景技术

随着髋关节手术和AI技术的发展，基于深度学习的髋关节分割算法在医学领域开始崭露头角。但是，由于髋关节病变的多样性，如骨折、关节炎等，造成髋关节分割的准确性不高，尤其是在髋关节细节特征，分割偏差较大。

因此，如何更加准确地进行髋关节的分割是本领域技术人员亟需解决的技术问题。

发明内容

本申请实施例提供一种基于CNN与Transformer的髋关节分割方法、装置、电子设备及计算机可读存储介质，能够更加准确地进行髋关节的分割。

第一方面，本申请实施例提供一种基于CNN与Transformer的髋关节分割方法，包括：

在获取髋关节图像后，基于髋关节图像获取目标髋关节图像；

利用CNN网络对目标髋关节图像进行多尺度编码，得到CNN编码后的特征图；

利用Transformer网络对CNN编码后的特征图进行多尺度编码，得到Transformer编码后的特征图；

对Transformer编码后的特征图进行解码，得到解码后的特征图；

利用Attention Gate网络和执行Concat操作，将编码后的特征图与解码后的特征图进行融合，得到目标特征图；

基于目标特征图，获取髋关节分割结果。

可选的，在获取髋关节图像后，基于髋关节图像获取目标髋关节图像，包括：

对髋关节图像进行下采样，得到下采样后的髋关节图像；

将下采样后的髋关节图像，确定为目标髋关节图像。

可选的，利用CNN网络对目标髋关节图像进行多尺度编码，得到CNN编码后的特征图，包括：

利用CNN网络对目标髋关节图像进行多尺度编码，得到第一特征图；

利用CNN网络对第一特征图进行多尺度编码，得到第二特征图；

利用CNN网络对第二特征图进行多尺度编码，得到第三特征图。

可选的，利用Transformer网络对CNN编码后的特征图进行多尺度编码，得到Transformer编码后的特征图，包括：

利用Transformer网络，对第三特征图进行多尺度编码，得到第四特征图。

可选的，对Transformer编码后的特征图进行解码，得到解码后的特征图，包括：

对第四特征图进行解码，得到第五特征图。