[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

基于協方差自注意力機制的雙路經UNet網絡腫瘤分割方法，包括基本X模塊、底部模塊、下采樣模塊和上采樣模塊，基本塊X模塊包括輸入層、兩個BN+ReLU層、兩個卷積層和輸出層，輸入層和輸出層特征圖大小相同，其和底部模塊一樣結構；下采樣模塊包括輸入層、兩個BN+ReLU層、兩個卷積層和輸出層，采用一個卷積替換殘差連接；上采樣模塊包括輸入層、一個上采樣塊、一個反卷積層和輸出層；底部模塊設置于底層，上層基本X模塊向下層基本X模塊進行下采樣運算，由底部模塊向上層基本X模塊進行上采樣運算，在雙路徑UNet基礎上構建協方差自注意力機制的雙路經UNet網絡。該分隔方法具有兩個收縮路徑和兩個擴展路徑，提高了檢測精度，幫助醫生對直腸腫瘤進行診斷和識別。

技術領域

本發明屬于醫學圖像分割分析技術領域，具體涉及到一種基于協方差自注意力機制的雙路徑UNet網絡(簡稱CSA-DPUNet，Covariance self-attention Double Path UNet)的腫瘤分割方法，特別是涉及到CSA-DPUNet網絡的直腸腫瘤分割方法。

背景技術

直腸癌是消化道最常見的惡性腫瘤之一，常見于直腸齒狀線與乙狀結腸交界處間。而直腸腫瘤到直腸癌有一個相對緩慢的病理過程，只要及時發現治療，就能有效預防，因此早期直腸腫瘤的準確識別和檢測對直腸癌的診斷和治療具有重要意義。一般來說， CT(Computed Tomography)圖像是診斷直腸腫瘤或潛在致癌風險的關鍵技術，但因技術上的局限性和直腸腫瘤的不明顯特征，使得直腸腫瘤在CT圖像中不易被發現，如果醫生缺乏經驗和細心，直腸腫瘤容易被漏診。隨著人工智能算法技術的飛速發展，從圖像處理中衍生出的醫學圖像分割技術，其目的是分割具有特定意義的醫學圖像并提取相關特征，為臨床診斷和病理學研究提供可靠的依據，幫助醫生做出更準確的診斷，同時也在醫學診斷方面取得了巨大的成功。

基于像素間長距離信息依賴的全局模塊被廣泛應用于醫學圖像分割，為了更好地理解這種依賴關系，通常使用一種自注意力機制對像素之間的依賴關系進行建模。自注意力機制旨在對任意兩個像素點使用點積運算來表征關系，然而點積運算的結果并不能完全反映兩個像素之間的相關性。同時由于每個像素包含豐富的信息，除了自身位置和像素值信息外，還應考慮它對圖像中其他像素的影響，而傳統的點積運算忽略了全局信息影響對其刻畫不夠嚴謹和全面。基于此在計算自注意力機制相關性時，用像素間的協方差來代替傳統的點積運算，利用十字交叉注意力網絡構造一種交叉操作模式來計算像素之間的相關性。

發明內容

本發明要解決的技術問題在于提供一種新的腫瘤分割方法，該分割從更全面的角度探索更有效的語義信息，提出新的網絡模型DPUNet(雙路徑UNet)由兩條收縮路徑和兩條擴展路徑組成，同時為了更好的計算像素之間的相關性，提出了新的協方差的自注意力機制，因此所提出的總的網絡模型稱作CSA-DPUNet(基于協方差自注意力機制的雙路經UNet)。

為了解決上述技術問題，本發明通過以下方式來實現：

基于協方差自注意力機制的雙路徑UNet網絡腫瘤分割方法，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；所述底部塊模塊設置于底層，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模塊至底部塊模塊進行下采樣運算操作，由底部塊模塊向上層的基本塊X模塊進行上采樣運算操作。