CN114882219B 一种基于上下文信息融合的三维医疗图像分割方法 （南京大学）

一种基于上下文信息融合的三维医疗图像本发明公开一种基于上下文信息融合的三络主要采用基于子块的方式进行训练阶段和预分支和自注意力分支提取包含上下文信息的特分割结果利用高斯加权融合相邻预测子块的分2步骤4，将所述预测子块输入至训练后的基于上下文信息融合的三维医疗图像分割网所述步骤4中所述三维医疗图像分割网络的训练步骤子块与其对应的分割标注作为训练样本，所述训练子块中三分之二的子块来自于随机位所述三维医疗图像分割网络中通过前向计算得到训练分CE+λ2Dice；所述三维医疗图像分割网络采用并行的空洞卷积分支和自注意力分支提取包含多尺所述空洞卷积分支由G组空洞卷积堆叠而成，所述自注意力分支由卷积层、2.根据权利要求1所述的一种基于上下文信息融合的三维医疗图像分割方法，其特征采用所述三维医疗图像数据的数据集间距中值作为目标间距，并对数据分布采用三阶Spline插值和最近邻插值3.根据权利要求2所述的一种基于上下文信息融合的三维医疗图像分割方法，其特征计算所述三维医疗图像数据中所有前景类的体素强度对每个所述预测子块的分割结果采用高斯分布作为权重，再34的三维医疗图像分割方法，整个三维图像分割网络采用基于子块的方式进行训练和预测，5[0013]步骤4，将所述预测子块输入至训练后的基于上下文信息融合的三维医疗图像分标签数据分布采用三阶Spline插值和最近邻插值进入至所述三维医疗图像分割网络中通过前向计算得到训练分6CE+λ2Dice；[0029]其中，LCE和LDice分别为分割结果和真实分割标签之间的交叉[0035]图1：为本发明实施的一种基于上下文信息融合的三维医疗图像分割方法的三维[0036]图2：为本发明实施的一种基于上下文信息融合的三维医疗图像分割方法的三维[0037]图3：为本发明实施的一种基于上下文信息融合的三维医疗图像分割方法的图像7[0046]步骤4，将预测子块输入至训练后的基于上下文信息融合的三维医疗图像分割网化是一个常用的数据预处理操作,目的是将不同规格的数据转换到统一规格或不同分布的三维医疗图像分割网络中通过前向计算得到训练8带有Nesterov动量的随机梯度下降作为优化算法更新三维医疗图像分割网络的参数。其CE+λ2Dice；1和λ2为交叉熵损失和Dice损失的权重。[0059]参照图1所示的三维医疗图像分割网络结构，三维医疗图像分割网络采用并行的同分支的特征进行融合从而生成分割结果；空洞卷积分支由G组空洞卷积层和卷积层堆叠积后的各层空洞卷积层输出与自注意力分支最后一层转置卷积层的输出通过逐元素加的[0064]NIH胰腺数据集包括82次腹部CT增强扫描，每个CT扫描都是一个大小为512×5129“V-Net”(基于体积全卷积三维图像分割方法)。为了验证本发明提出的网络模型(3D-CANet)中各个结构的有效性以及训练阶段样本均衡采样和预测阶段高斯加权策略的有效任务上有着更好的分割精度。其次，3D-CANet-wo-GC、3D-CANet-single相比于原始3D-CANet网络的分割性能都有所下降，这说明了本发明提出的方法中采用多尺度空洞卷积分(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方