[发明专利]磁共振图像分割系统及其分割方法

权利要求书

1.一种磁共振图像分割系统，其特征在于，包括：

配准网络，用于输入一磁共振图像并输出一粗定位结果；以及

基于位置注意力机制的分割网络，与所述配准网络连接，用于输入所述粗定位结果并输出细分分割结果；

所述共振图像包括颅脑创伤脑型磁共振图像；

所述配准网络通过基于大脑的解剖结构信息，实现对所述磁共振图像各脑区的定位和初步的分割，生成多图谱集的硬注意力模块作为所述粗定位结果；

所述基于位置注意力机制的分割网络包括软注意力模块；所述软注意力模块用以增大感受野，并自动计算出所述粗定位结果的解码图像中任意两个区域的相关性；

所述基于位置注意力机制的分割网络还包括编码器及解码器；所述软注意力模块包括卷积层及Softmax层；所述粗定位结果经过所述编码器之后得到特征图A；将所述特征图A分别输入三个卷积层之后得到特征图B、特征图C和特征图D；将重组并转置之后的所述特征图B和重组之后的所述特征图C做矩阵乘法，并经过Softmax层之后，得到特征图S；将重组之后的所述特征图D和所述特征图S做矩阵乘法，得到中间结果；将单独中间结果重组之后和所述特征图A做逐点相加，得到特征图E；将所述特征图E输入所述解码器后得到所述细分分割结果。

2.如权利要求1所述的磁共振图像分割系统，其特征在于，所述配准网络利用VoxelMorph算法，用以快速的将训练数据集中的图像配准至目标sTBI影像中，并生成分割结果。

3.如权利要求1所述的磁共振图像分割系统，其特征在于，所述特征图A的维度为C×H×W×D，所述特征图B的维度为C×H×W×D，重组并转置之后的所述特征图B的维度为HWD×C，所述特征图C的维度为C×H×W×D，重组之后的所述特征图C的维度为C×HWD，所述特征图D的维度为C×H×W×D，重组之后的所述特征图D的维度为C×HWD，所述特征图S的维度为HWD×HWD，所述中间结果的维度为C×HWD，所述中间结果重组之后的维度为C×H×W×D，所述特征图E的维度为C×H×W×D；其中C为特征图的通道数目，H为特征图的高度，W为特征图的宽度，D为特征图的深度。

4.一种磁共振图像分割方法，其特征在于，包括以下步骤：

构建配准网络步骤，构建一配准网络，所述配准网络用于输入一磁共振图像并输出一粗定位结果；所述配准网络通过基于大脑的解剖结构信息，实现对所述磁共振图像各脑区的定位和初步的分割，生成多图谱集的硬注意力模块作为所述粗定位结果，生成多图谱集的硬注意力模块作为所述粗定位结果；

构建基于位置注意力机制的分割网络步骤，构建一与所述配准网络连接的基于位置注意力机制的分割网络，所述基于位置注意力机制的分割网络包括编码器、软注意力模块及解码器；所述软注意力模块包括卷积层及Softmax层；所述基于位置注意力机制的分割网络用于输入所述粗定位结果并输出细分分割结果；以及

颅脑创伤脑区分割步骤，向所述配准网络输入一磁共振图像，所述磁共振图像包括颅脑创伤脑型磁共振图像，获得对所述磁共振图像各脑区的定位和初步分割的所述粗定位结果；所述基于位置注意力机制的分割网络对所述粗定位结果经过所述编码器之后得到特征图A；将所述特征图A分别输入三个卷积层之后得到特征图B、特征图C和特征图D；将重组并转置之后的所述特征图B和重组之后的所述特征图C做矩阵乘法，并经过Softmax层之后，得到特征图S；将重组之后的所述特征图D和所述特征图S做矩阵乘法，得到中间结果；将单独中间结果重组之后和所述特征图A做逐点相加，得到特征图E；将所述特征图E输入所述解码器后得到所述细分分割结果。

5.如权利要求4所述的磁共振图像分割方法，其特征在于，所述配准网络利用VoxelMorph算法，用以快速的将训练数据集中的图像配准至目标sTBI影像中，并生成分割结果。

6.如权利要求4所述的磁共振图像分割方法，其特征在于，所述特征图A的维度为C×H×W×D，所述特征图B的维度为C×H×W×D，重组并转置之后的所述特征图B的维度为HWD×C，所述特征图C的维度为C×H×W×D，重组之后的所述特征图C的维度为C×HWD，所述特征图D的维度为C×H×W×D，重组之后的所述特征图D的维度为C×HWD，所述特征图S的维度为HWD×HWD，所述中间结果的维度为C×HWD，所述中间结果重组之后的维度为C×H×W×D，所述特征图E的维度为C×H×W×D；其中C为特征图的通道数目，H为特征图的高度，W为特征图的宽度，D为特征图的深度。