[發明專利]基于協方差自注意力機制的雙路徑UNet網絡腫瘤分割方法

有效

• 申請號: 202011621851.X
• 申請日: 2020-12-31
• 公開（公告）號: CN112734762B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 鄭伯川;高海軍;潘大志;曾祥銀
• 申請（專利權）人: 西華師范大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 深圳國聯專利代理事務所(特殊普通合伙) 44465
• 代理人: 晏達峰

1.基于協方差自注意力機制的雙路徑UNet網絡腫瘤分割方法，其特征在于：主要包括基本X模塊、底部模塊、下采樣模塊和上采樣模塊，所述基本X模塊、底部模塊、下采樣模塊和上采樣模塊均是用于增加表示能力的殘差結構；所述基本X模塊包括輸入層、兩個BN+ReLU層、兩個3×3步長為1的卷積層和輸出層，BN+ReLU層和卷積層相互交叉設置，輸入層和輸出層特征圖大小相同；所述底部模塊與基本X模塊相同；所述下采樣模塊包括輸入層、兩個BN+ReLU層、一個3×3步長為2的卷積層、一個3×3步長為1的卷積層和輸出層，BN+ReLU層和卷積層相互交叉設置，采用一個1×1步長為2的卷積替換殘差連接；所述上采樣模塊包括輸入層、一個上采樣塊、一個3×3步長為2的反卷積層和輸出層，上采樣模塊采用反卷積運算用以替換原始殘差連接；所述底部模塊設置于底層，其上設置有多個基本塊X模塊，由上層的基本塊X模塊向下層的基本塊X模塊至底部模塊進行下采樣運算操作，由底部模塊向上層的基本塊X模塊進行上采樣運算操作；

所述上采樣模塊還包括協方差自注意力模塊，協方差自注意力模塊嵌入上采樣塊后；所述底部模塊上僅在協方差自注意力模塊上應用殘差連接；

所述協方差自注意力模塊首先將輸入特征為通過三個1×1的卷積運算分別生成的三個特征圖Q、K和V，其中和d_q，d_k和d_v分別表示Q，K和V的通道數，取d_q＝d_k，且d_q，d_k和d_v均小于d；

自注意力特征圖通過特征圖Q和K的相關性生成，在特征圖Q的空間維度中每個像素位置u，可得到在特征圖K中每個對應空間位置u的相關性計算方法為：

其中K_i,u是第i個元素，表示Q_u向量的均值，表示K_i,u向量的均值，i＝[1,2,…,h+w-1]，C_i,u表示特征圖Q_u和K_i,u之間的相關性矩陣，

然后通過C計算自注意力特征圖SA：

SA_i,u＝softmax(C_i,u) (2)

每個位置u的空間維度上，由獲得十字交叉集合通過像素之間的長距離信息相關性融合：

其中H_u輸出特征圖在位置u的特征向量，SA_i,u是SA的通道i和位置u的標量值。