[發(fā)明專利]一種融合密集連接與注意力機制的顱內出血分割方法

在審

• 申請?zhí)枺?/td>: 202011185830.8
• 申請日: 2020-10-27
• 公開（公告）號: CN112308835A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設計）人: 郭天文;胡靜雯;張鵬;胡平
• 申請（專利權）人: 南京工業(yè)大學;江蘇省人民醫(yī)院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明針對顱內出血區(qū)域結構不明確且存在偽影和其他腦組織等噪聲對分割任務造成了極大的影響。為提高顱內出血分割的性能，提出了融合密集連接與注意機制的顱內出血分割方法。在全卷積網(wǎng)絡的編碼器部分引入密集連接塊進行顱內出血特征提取，但從編碼器中提取的特征并非所有都可用于分割，為此，本文將融合空間和通道注意力的注意力機制融入網(wǎng)絡架構中，在空間和通道方面對顱內出血特征進行加權，捕獲豐富的上下文關系，獲取更為精確的特征。另外，本文采用Focal Tversky損失函數(shù)針對處理小面積顱內出血的分割。有效的提升的分割性能，可以實現(xiàn)精確，快速的分割。

技術領域

本發(fā)明涉及醫(yī)學圖像處理及語義分割，具體設計了一種融合密集連接與注意力機制的顱內出血分割方法。

背景技術

顱內出血是一種神經系統(tǒng)疾病，是由血管破裂進入組織并可能延伸腦內內皮細胞導致，一直以來，顱內出血是導致死亡和殘疾癱瘓的主要原因，顱腦損傷后，如果不及時的進行診斷和治療，極有可能會誘發(fā)較高的死亡率^[1]。傳統(tǒng)的診斷方法由醫(yī)生人工定量估計出血區(qū)域和大小，整個過程非常耗時，且確定其出血的類型和區(qū)域十分依賴于醫(yī)生的經驗累積，人為誤差也是導致顱內出血診斷偏差的問題所在。

隨著深度學習的發(fā)展，基于深度學習的圖像分割技術已經成為圖像分割的重要組成部分，分割任務的挑戰(zhàn)性在于識別醫(yī)學圖像中器官或病變的區(qū)域位置^[2]。對于顱內出血，深度學習方法最近在分割顱內出血方面取得了成功。其分割目的在于傳遞和提取出血點定量測量的關鍵信息。然而，與人體器官分割相比，顱內出的血病灶分割存在更大的困難與挑戰(zhàn)：1)與人體其他部位的圖像相比，腦部CT圖像存在成像偽影及顱骨等腦部組織噪聲的復雜情況。2)顱內出血區(qū)域常常表現(xiàn)為結構相對不明確的高密度區(qū)域，分割任務更具有挑戰(zhàn)性。因此需要一種能高效準確分割出血區(qū)域的病灶分割方法。

發(fā)明內容

本發(fā)明設計一種融合密集連接與注意力機制的顱內出血分割方法。用于解決顱內CT圖像存在成像偽影及顱骨等腦部組織噪聲、顱內出血區(qū)域常常結構相對不明確等各種問題，為了達到理想分割效果，該方法通過對顱內出血CT掃描圖像數(shù)據(jù)集進行標注與訓練，以全卷積網(wǎng)絡融合密集連接塊與注意力機制的方式對顱內出血病灶的特征進行精細的提取。在全卷積網(wǎng)絡的基礎上，采用密集連接的思想，并在網(wǎng)絡的編碼與解碼的連接部分融合了一種包括空間和通道注意的注意力機制，以捕獲豐富的上下文關系來精準的提取高質量的顱內出血特征。針對面積較小的顱內出血區(qū)域，本方法引入了Focal Tversky損失函數(shù)以解決對小面積出血病灶的分割精度不足的問題，有效的提升了顱內出血分割的性能。

網(wǎng)絡模型由全卷積密集網(wǎng)絡以及該網(wǎng)絡中編碼器、解碼器兩者連接間的注意力機制模塊組成。本方法在顱內出血分割網(wǎng)絡中編碼器部分融合了密集連接塊，編碼器和解碼器由池化層，密集連接塊，過渡層和上采樣層，共計167個卷積層組成。編碼器用于提取特征，解碼器用于恢復特征至原始輸入圖像的分辨率，并且采用跳躍連接的方式將編碼器和解碼器進行連接，以融合前面特征層所提取到的細節(jié)信息。

在編解碼與解碼器中，引入通道和空間注意力機制模塊。其中，網(wǎng)絡編碼器中密集連接塊用于獲取顱內出血病灶特征，并將編碼器中提取的每一層特征輸入到注意力機制中，在注意力機制中，將分別在通道注意力和空間注意力上進行特征加權，從而獲得顱內出血病灶最詳盡的特征以及特征利用，以提高顱內出血分割的準確率。最后，將特征由解碼器映射到標簽概率以獲取分割結果。

附圖說明

圖1是本發(fā)明所述的一種融合密集連接與注意力機制的顱內出血分割方法的卷積神經網(wǎng)絡框架。

具體實施方式

請參閱圖1所示：

1、一種融合密集連接與注意力機制的顱內出血分割方法，其特征在于提取顱內出血CT掃描圖像中顱內出血病灶的特征精細提取，所述方法包括以下步驟：