[發明專利]基于多注意力的肝臟血管分割方法及系統

在審

• 申請號: 202110541733.6
• 申請日: 2021-05-18
• 公開（公告）號: CN113409320A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 滕皋軍;朱建軍;王澄;陸健
• 申請（專利權）人: 珠海橫樂醫學科技有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04;G06N3/08;G06T7/194
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 尹凡華

1.一種基于多注意力的肝臟血管分割方法，其特征在于，包括以下步驟：

S100，獲取肝臟CTA圖像，根據血管標注去除背景區域，分別從軸向面、冠狀面及矢狀面三個方向進行采樣，得到對應的樣本集合，將所述樣本集合輸入至基于雙注意力機制的DA-UNet網絡中訓練并測試，得到相應采樣方向上訓練好的肝臟血管分割網絡模型；其中，不同采樣方向的所述基于雙注意力機制的DA-UNet網絡的結構相同，權重系數相互獨立；

S200，接收肝臟CTA圖像，分別從軸向面、冠狀面及矢狀面三個方向進行采樣，將采樣圖像輸入至對應的所述肝臟血管分割網絡模型，得到相應的血管分割結果，并對所述血管分割結果進行融合處理，得到最終分割結果。

2.根據權利要求1所述的基于多注意力的肝臟血管分割方法，其特征在于，所述獲取肝臟CTA圖像，根據血管標注去除背景區域，分別從軸向面、冠狀面及矢狀面三個方向進行采樣，得到對應的樣本集合包括：

將所述肝臟CTA圖像根據圖像強度值映射至[0,1]的范圍內，并根據平均值和方差進行歸一化處理；

分別從軸向面、冠狀面及矢狀面三個方向對歸一化后的所述肝臟CTA圖像進行采樣切片，并以連續的多個切片為一個樣本；

根據血管標簽去除不包含血管的樣本，得到所述樣本集合。

3.根據權利要求1所述的基于多注意力的肝臟血管分割方法，其特征在于，基于雙注意力機制的DA-UNet網絡中，以2D U-Net架構為基礎，在高階特征處引入空間注意力和通道注意力機制，并通過反卷積上采樣到原圖大小。

4.根據權利要求1所述的基于多注意力的肝臟血管分割方法，其特征在于，所述將所述樣本集合輸入至基于雙注意力機制的DA-UNet網絡中訓練并測試，得到相應方向上訓練好的肝臟血管分割網絡模型包括：

將所述樣本集合按采樣方向輸入至對應的基于雙注意力機制的DA-UNet網絡中訓練，通過dice損失函數和Adam優化器訓練模型。

5.根據權利要求4所述的基于多注意力的肝臟血管分割方法，其特征在于，將所述樣本集合輸入至基于雙注意力機制的DA-UNet網絡中訓練，學習率設置為0.001。

6.根據權利要求1所述的基于多注意力的肝臟血管分割方法，其特征在于，通過測試集，針對不同的采樣方向訓練得到的所述基于雙注意力機制的DA-UNet網絡進行篩選，得到相應采樣方向上表現最佳的所述肝臟血管分割網絡模型，評價指標包括基于面積重合度的Dice系數以及基于邊界準確度的Hausdorff_95。

7.根據權利要求1所述的基于多注意力的肝臟血管分割方法，其特征在于，所述步驟S200包括：

S210，接收肝臟CTA圖像，分別從軸向面、冠狀面及矢狀面三個方向進行采樣，將采樣圖片輸入至對應的所述肝臟血管分割網絡模型，得到相應的血管分割結果；

S220，對三個所述肝臟血管分割網絡模型輸出的所述血管分割結果取并集；

S230，根據血管的連通樹狀結構，去除所述血管分割結果中的假陽性區域，保留融合后的最大連通域，作為所述最終血管分割結果。

8.一種基于多注意力的肝臟血管分割系統，用于執行權利要求1至7中任一項的方法，其特征在于，包括：

預處理模塊，用于分別從軸向面、冠狀面及矢狀面三個方向對肝臟CTA圖像進行采樣切片，得到采樣圖像；

模型訓練模塊，用于根據血管標注去除所述采樣圖像的背景區域，根據所述預處理模塊得到樣本集合，將所述樣本集合按采樣方向輸入至相應的基于雙注意力機制的DA-UNet網絡中訓練并測試，得到相應采樣方向上訓練好的肝臟血管分割網絡模型；其中，不同采樣方向的所述基于雙注意力機制的DA-UNet網絡的結構相同，權重系數相互獨立；

分割處理模塊，用于將所述采樣圖像按采樣方向輸入至對應的所述肝臟血管分割網絡模型，得到相應的血管分割結果，并對所述血管分割結果進行融合處理，得到最終分割結果。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1至7中任一項的方法。