CN119152212B 基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方法 （感跃医疗科技(成都)有限公司）

US2023154007A1,2023.05.18基于Mamba架构的下颌神经管CBCT全景图像本发明公开了基于Mamba架构的下颌神经管提取操作通过扩大感受野和学习形变来提取管编码器部分通过Mamba架构建模全局和多尺度特对于管状结构的CBCT图像有更加完整的分割效2过stem层提取第一个特征尺度IO；然后将I0送入编码器部分的Mamba模块和相应的下采用S2_2.在第一个Mamba模块中，先经过门控空间卷积空间特征，在之后的每一个Mamba模块中，先经过门控空间卷积模块GSC提取来自上一个Mamba模块中的图像空间特征；输入的第m个空间特征Im首先被送入两个TUC模块中得到用另一个TUC模块将这两个特征进一步融合成Imz，并通过解码器部分的残差连接层将特S2_5.将最后一个编码器得到的特征图Z4输入到解码器中进行卷积上采样操作得到特征图，解码器部分同时接收，与特征图在通道维度上进行拼接得到S2_6.将得到的特征图zt经过一个分割头进行输出，并将输出的结果与标签图进行2.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方3。3.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方4.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方法，其特征在于，步骤S2_2中，在TUC中，先给定一个标准的3D卷积坐标，中心坐标为K=(x,y,z1)；一个3x3x3的卷积核K表示为：,4,w(k)5.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方,,,,其中，GSC和ToM分别表示网络中的门控空间卷积模块和三向Mamba模块，6.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方,7.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方8.根据权利要求1所述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方,5述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方法6经过stem层提取第一个特征尺度IO；然后将I0送入编码器部分的Mamba模块和相应的下个Mamba模块中的图像空间特征；输入的第m用另一个TUC模块将这两个特征进一步融合成Imz，并通过解码器部分的残差连接层将特7Z4并输入到跳跃连接层，得到每一个跳跃连接层的结果zspout,、、zskpouts、;[0010]S2_5.将最后一个编码器得到的特征图Z4输入到解码器征图，解码器部分同时接收，与特征图在通道维度上进行拼接得到[0011]S2_6.将得到的特征图zt经过一个分割头进行输出，并将输出的结果与标签图层采用内核大小为7x7x7，填充大小3x3x3，步长2x2x2，经过stem提取全景,[0019]可选地，步骤S2_2中，在TUC中，先给定一个标准的3D卷积坐标，中心坐标为[0020]K={(x-1),(y-1),(z-1),..,(x+1,y+1,z+1)},8[0041]其中，GSC和ToM分别表示网络中的门控空间卷积模块和三向Mamba模块，9pi,c是模型预测像素i属于类别c的概率。[0049]本发明还提出一种下颌神经管CBCT全景图像处理方法，采用由前述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方[0050]本发明的有益效果是：通过本发明的基于Mamba架构的下颌神经管CBCT全景图像经过stem层提取第一个特征尺度IO；然后将I0送入编码器部分的Mamba模块和相应的下采用层；个Mamba模块中的图像空间特征；输入的第m用另一个TUC模块将这两个特征进一步融合成Imz，并通过解码器部分的残差连接层将特Z4并输入到跳跃连接层，得到每一个跳跃连接层的结果zspout,、、zskpouts、;[0065]S2_5.将最后一个编码器得到的特征图Z4输入到解码器征图，解码器部分同时接收，与特征图在通道维度上进行拼接得到[0066]S2_6.将得到的特征图zt经过一个分割头进行输出，并将输出的结果与标签图层采用内核大小为7x7x7，填充大小3x3x3，步长2x2x2，经过stem提取全景,[0074]可选地，步骤S2_2中，在TUC中，先给定一个标准的3D卷积坐标，中心坐标为[0075]K={(x-1),(y-1),(z-1),..,(x+1,y+1,z+1)},[0096]其中，GSC和ToM分别表示网络中的门控空间卷积模块和三向Mamba模块，pi,c是模型预测像素i属于类别c的概率。[0104]本发明还提出一种下颌神经管CBCT全景图像处理方法，采用由前述的基于Mamba架构的下颌神经管CBCT全景图像分割网络训练方[0105]图5为本发明方法与其他四个高效的分割网络对三个不同视觉角度的下颌管下颌[0108]按照步骤S2_1将要进行训练的CBCT图像先送入stem层进行卷积操作提取第一个[0109]按照步骤S2