[发明专利]基于三维Unet网络的脑部核磁共振图像组织分割方法

权利要求书

1.基于三维Unet网络的脑部核磁共振图像组织分割方法，其特征在于，包括：

将脑部核磁共振图像导入训练后的三维Unet网络中，并输出三维Unet网络倒数第二层获得的64个三维特征；

采用高维矢量非局部均值注意力模型对64个三维特征的特征值进行重新分布；

将重新分布特征值的三维特征输入至三维Unet网络最后一层的softmax层进行图像分割处理，得到脑部三个组织的分割结果；

所述采用高维矢量非局部均值注意力模型对64个三维特征的特征值进行重新分布进一步包括：

对三维Unet网络倒数第二层输出的64个三维特征进行归一化处理：

其中，为归一化后的第i个三维特征；X_i为三维Unet网络倒数第二层输出第i个三维特征；

采用归一化后的三维特征形成四维特征矢量：

采用高维矢量非局部均值注意力模型对归一化后三维特征的特征值进行重新分布：

其中，为特征值重新分布后的第i个三维特征；C为归一化因子；Ω为整副图像的前景区域；为常数e为底数的对数；为以体素x为中心的邻域灰度值；为以体素y为中心的邻域灰度值；h为滤波参数；F(·)为卷积函数；|.|²为模的平方；为经过归一化后第i个三维特征中位于体素y处的取值，G_ρ(y)是四维高斯核函数；

对特征值重新分布后的三维特征进行归一化处理，得到最终的重新分布特征值的三维特征：

其中，为最终的重新分布特征值的三维特征。

2.根据权利要求1所述的脑部核磁共振图像组织分割方法，其特征在于，所述四维高斯核函数G_ρ(y)的计算公式为：

其中，为体素y在四维特征矢量中的二范数，ρ为实验测试的常数值。

3.根据权利要求1所述的脑部核磁共振图像组织分割方法，其特征在于，卷积函数其中为步长l范围内的的灰度值；为为步长l范围内的的灰度值；l为步长。

4.根据权利要求1-3任一所述的脑部核磁共振图像组织分割方法，其特征在于，采用梯度下降法对三维Unet网络进行深度学习训练得到训练后的三维Unet网络。