[發明專利]一種主動脈夾層術后影像的生成方法

在審

• 申請號: 202211077949.2
• 申請日: 2022-09-05
• 公開（公告）號: CN115908599A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 譚云;彭海闊;譚凌;秦姣華;唐浩;向旭宇
• 申請（專利權）人: 中南林業科技大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/0464;G06N3/08
• 代理公司: 深圳市深軟翰琪知識產權代理有限公司 44380
• 代理人: 吳雅麗

1.一種主動脈夾層術后影像的生成方法，其特征在于，采用用于未配對影像生成的MARTF-GAN模型，基于術前影像生成患者的術后影像；

所述的MARTF-GAN模型包括注意力編碼器、RTF模塊、注意力解碼器；

(1)注意力編碼器通過全局上下文注意力提取的圖像特征，得到輸出特征圖；

(2)RTF模塊位于注意力編碼器和注意力解碼器之間，對注意力編碼器的輸出特征圖進行深層次的全局和局部信息提取融合，提取高級語義信息；

(3)注意力解碼器作用是根據高級語義信息生成最終的術后影像，在注意力掩碼的指導下能夠生成圖像。

2.根據權利要求1所述的主動脈夾層術后影像的生成方法，其特征在于，注意力編碼器包括下采樣層結構和全局上下文注意力模塊；

下采樣層結構是由一個3×3的卷積、InstanceNorm和Relu激活函數組成。

3.根據權利要求2所述的主動脈夾層術后影像的生成方法，其特征在于，

注意力解碼器由內容分支和注意力分支組成，內容分支用于計算內容掩碼，注意力分支關注于圖像構建過程中主要信息，生成的注意力掩碼用于指導融合了輸入的特征內容掩碼生成影像。

4.根據權利要求3所述的主動脈夾層術后影像的生成方法，其特征在于，

生成器輸入維度為1×256×256的灰度圖，經過一個卷積塊(Conv?Block)生成維度為64×256×256的特征圖；該卷積塊對邊界進行了Reflection?Padding，保留邊界信息的同時保證輸出特征與輸入圖像大小相同；然后利用大小為7×7的卷積核進行卷積運算，以盡可能地保留輸入圖像的特征信息；

下采樣層結構是由一個3×3的卷積、InstanceNorm和Relu激活函數組成；假定下采樣的輸入維度為C×H×W，那么下采樣輸出維度為2C×H/2×W/2的特征圖；在每個下采樣層后引入的全局上下文注意力，提取更加多樣化的特征，但不改變特征圖大?。辉诮涍^兩個下采樣層和注意力后，輸出的特征維度為256×64×64；RTF模塊采用殘差卷積塊與transformer塊并行的結構，將全局和局部特征相融合，采用特征壓縮的方式將特征維度重構為256×64×64；

解碼層采用兩條分支，一條分支用于計算注意力掩碼，一條用來計算內容掩碼；二者都使用逆卷積操作來進行特征上采樣，經過兩個上采樣后輸出的特征維度為64×256×256；最后利用卷積進行特征維度壓縮，將內容掩碼與模型輸入進行拼接，在注意力掩碼的指導下，完成圖像重建，得到大小為1×256×256的輸出結果。

5.根據權利要求4所述的主動脈夾層術后影像的生成方法，其特征在于，

全局上下文注意力塊的處理過程為：

首先采用1×1卷積對下采樣的特征圖生成一張注意力掩碼然后經過維度交換后得到將f^dowm的維度交換為后，在注意力掩碼指導下獲取上下文特征

通過bottleneck?transform(BT)模塊來進行特征變化以捕獲通道之間的依賴關系；最后將全局上下文特征f^context與f^down進行融合，得到最終的輸出

用Φ表示1×1卷積，σ表示Softmax激活函數，LN表示LayerNorm，用表示矩陣乘法，表示對應元素相加，全局上下文注意力可表示為：

m_a＝σ(Φ(f^down))