[發明專利]基于注意力卷積神經網絡的CT圖像分割系統

有效

• 申請號: 202010190946.4
• 申請日: 2020-03-18
• 公開（公告）號: CN111325751B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 龍建武;宋鑫磊;安勇;鄢澤然
• 申請（專利權）人: 重慶理工大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/11;G06T7/12;G06N3/04;G06N3/08
• 代理公司: 重慶信航知識產權代理有限公司 50218
• 代理人: 穆祥維

1.基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，包括特征編碼模塊、語義信息提取注意力模塊、特征融合池化注意力模塊和特征圖解碼模塊；其中，所述特征編碼模塊使用并聯卷積神經網絡來逐步減小輸入圖像的特征圖大小，通過網絡層復用以及各層特征的截取與融合，實現同時提取出圖像的語義信息特征和空間信息特征；所述語義信息提取注意力模塊使用池化生成注意力特征，將所述特征編碼模塊提取的語義信息特征進一步精練細化；所述特征融合池化注意力模塊使用最大池化與平均池化并聯，將經過所述語義信息提取注意力模塊精細化的語義信息特征與經過所述特征編碼模塊拼接的語義信息和空間信息特征進行融合組成為注意力特征圖；所述特征圖解碼模塊使用卷積模塊與上采樣模塊，將所述特征融合池化注意力模塊融合的注意力特征圖逐步精細還原為輸入圖像大小；所述特征編碼模塊包括順序設置的第一卷積模塊、第二卷積模塊、第一至第四瓶頸通路和第一拼接操作模塊，所述第一卷積模塊包括順序設置的卷積層和批正則化，所述第二卷積模塊包括順序設置的卷積層、批正則化和ReLu激活函數，所述第一至第四瓶頸通路并行設置，從所述第一瓶頸通路開始到第四瓶頸通路結束，每條瓶頸通路中的瓶頸層不斷減少，而第二至第四瓶頸通路相比于第一瓶頸通路輸出特征圖的大小不斷縮小，且每個瓶頸層最終輸出的特征圖通道數隨著層數的增加而增加，所述第一拼接操作模塊將四個瓶頸通路提取的語義信息特征和空間信息特征進行拼接。

2.根據權利要求1所述的基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，所述卷積層的卷積核大小為3×3，步長為2。

3.根據權利要求1所述的基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，所述第一至第四瓶頸通路中瓶頸層數分別為4、3、2、1，而第二至第四瓶頸通路相比于第一瓶頸通路輸出的特征圖大小分別為1/2、1/4、1/8，且第一至第四瓶頸通路中輸出特征圖的通道數分別為128、256、512和1024。

4.根據權利要求1所述的基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，每個瓶頸層包括順序設置的三個卷積單元、相加單元和ReLu激活函數單元，每個卷積單元包括順序設置的卷積核、批正則化和ReLu激活函數，所述相加單元還與輸入至第一個卷積單元的卷積核中的特征圖跳躍連接。

5.根據權利要求1所述的基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，所述語義信息提取注意力模塊包括第一通道注意力模塊、第二通道注意力模塊、全局池化模塊、乘操作模塊以及第二拼接操作模塊，所述第一通道注意力模塊和第二通道注意力模塊并列設置，每個所述通道注意力模塊包括順序設置的用于捕捉輸入特征圖中上下文語義特征信息的全局平均池化，用于計算語義信息權重的卷積，用于細化語義信息提取的批正則化和Sigmoid激活函數，以及用于將細化后的語義信息與輸入特征圖相乘的乘操作，所述乘操作模塊用于將第二通道注意力模塊輸出的特征圖與該特征圖經全局池化模塊處理后的輸出特征圖相乘，所述第二拼接操作模塊用于將第一通道注意力模塊輸出的特征圖與乘操作模塊的輸出特征圖進行拼接，兩個所述通道注意力模塊的輸入特征圖通過對接特征編碼模塊提取的語義信息特征獲得。

6.根據權利要求1所述的基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，所述特征融合池化注意力模塊包括第三卷積模塊、平均池化通路、最大池化通路和雙路池化乘操作模塊，所述第三卷積模塊用于對融合的語義信息特征和空間信息特征的混合信息特征進行提取并同時轉換信息的通道，所述平均池化通路和最大池化通路并聯設置分別用于對第三卷積模塊提取的特征進行處理，所述雙路池化乘操作模塊用于對平均池化通路和最大池化通路處理后的兩路特征相乘組成為注意力特征圖。

7.根據權利要求6所述的基于注意力卷積神經網絡的CT圖像分割系統，其特征在于，所述平均池化通路使用兩個串聯的平均池化模塊對特征進行處理作為特征提取第一通路，所述最大池化通路使用兩個串聯的最大池化模塊對特征進行處理作為特征提取第二通路。