[發明專利]一種基于U-net和注意力機制的嬰幼兒腦組織圖像分割方法

有效

• 申請號: 202110902377.6
• 申請日: 2021-08-06
• 公開（公告）號: CN113516671B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 劉玲慧;袁春誠;欒曉
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06N3/04;G06N3/08;G16H30/20;G06V10/774;G06V10/82
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 廖曦

1.一種基于U-net和注意力機制的嬰幼兒腦組織圖像分割方法，其特征在于：該方法包括如下步驟：

步驟1：對訓練樣本按照32×32×32像素大小進行取塊，使用隨機取塊的方式對每一個訓練樣本取一定的數量組成訓練集；

步驟2：搭建Dense-Unet網絡模型，編碼器部分，采用密集鏈接塊提取特征，使用3×3×3的卷積層進行特征提取，池化層使用2×2×2的平均池化；

步驟3：使用Dense-Unet網絡模型對訓練集進行訓練、調參，在驗證集驗證模型效果時，使用只提取中心塊的方式來融合訓練結果組合成最終的樣本，保存最佳分割模型和結果，并對每一個樣本都進行驗證；

步驟4：比較模型預測結果和手工標簽的結果，得到易分錯區域的分布圖，將錯誤的位置標記為1，正確的位置標記為0；

步驟5：使用高斯函數對每個樣本的易分錯區域的分布圖進行模糊化，使其錯誤中心區域權重值高，邊緣區域權重低，并且對整體結果加1，并求平均值作為驗證樣本的一個輸入；

步驟6：對訓練樣本按照32×32×32像素大小進行取塊，使用隨機取塊和步驟4得到的每個樣本對應的錯誤區域取塊的方式按照一定比例對每一個訓練樣本取一定的數量組成訓練集；

步驟7：設計一個包含空間和易分錯區域的自注意力機制加入到網絡模型的第一層和第二層中；

步驟8：使用新的網絡模型對訓練集進行訓練、調參，在驗證集驗證模型效果時，使用只提取中心塊的方式來融合訓練結果組合成最終的樣本，保存最佳分割模型和結果，并對每一個樣本都進行驗證，多次交叉驗證確保結果的真實性。

2.根據權利要求1所述的一種基于U-net和注意力機制的嬰幼兒腦組織圖像分割方法，其特征在于：對所述訓練樣本進行切塊訓練，使用隨機取塊的方式加大樣本量，在降低數據大小的同時提升訓練集容量。

3.根據權利要求2所述的一種基于U-net和注意力機制的嬰幼兒腦組織圖像分割方法，其特征在于：所述Dense-Unet網絡模型中，加入密集連接提高特征復用，并在第二次訓練中加入注意力機制提高模型在易分錯區域的分割能力。

4.根據權利要求3所述的一種基于U-net和注意力機制的嬰幼兒腦組織圖像分割方法，其特征在于：所述訓練樣本在訓練時，在卷積操作時，為保持卷積前后同樣大小，認為最終結果的邊緣區域可靠程度沒有中心區域高，采用取每個預測塊中心塊的方法進行補零操作。