[发明专利]基于非局部注意力机制的多期相融合器官分割方法及装置

权利要求书

1.一种基于非局部注意力机制的多期相融合器官分割方法，其特征在于，包括：

分别对各待分割多期图像数据进行质心提取，得到待分割器官的质心；

根据所述质心分别对各待分割多期图像数据进行切割得到多期相数据对，其中，所述多期相数据对中的每个期相数据包含所述待分割器官的全部切片；

对所述多期相数据对进行可变形配准，得到配准后的多期相数据对；

对配准后的多期相数据对进行下采样得到全局尺度多期相数据对，对配准后的多期相数据对进行切片分割得到局部尺度多期相数据对，通过预设多期相融合器官分割网络模型的两个训练路径分别对所述全局尺度多期相数据对进行特征提取，得到两个期相的全局特征，根据所述两个期相的全局特征之间的位置关系和深度关系对所述两个期相的全局特征进行互补得到全局尺度分割结果，通过所述预设多期相融合器官分割网络模型的两个训练路径分别对所述局部尺度多期相数据对进行特征提取，得到两个期相的局部特征，根据所述两个期相的局部特征之间的位置关系和深度关系对所述两个期相的局部特征进行互补得到局部尺度分割结果，对所述全局尺度分割结果和所述局部尺度分割结果进行加权融合得到所述待分割器官的分割结果，其中，所述预设多期相融合器官分割网络模型为双路径全卷积网络。

2.根据权利要求1所述的方法，其特征在于，所述分别对各待分割多期图像数据进行质心提取，得到待分割器官的质心的步骤，包括：

根据预设器官分割模型分别对各待分割多期图像数据进行器官分割，得到初始分割结果；

根据所述初始分割结果确定所述待分割器官的质心。

3.根据权利要求1所述的方法，其特征在于，所述根据所述质心分别对各待分割多期图像数据进行切割得到多期相数据对的步骤，包括：

根据所述质心分别从各待分割多期图像中提取所述待分割器官的上下N层切片，得到包含所述待分割器官的全部切片的两个期相数据作为多期相数据对，其中，N为正整数。

4.根据权利要求1所述的方法，其特征在于，所述根据所述两个期相的全局特征之间的位置关系和深度关系对所述两个期相的全局特征进行互补得到全局尺度分割结果的步骤，包括：

根据所述两个期相的全局特征中的一个期相的每个位置特征对另一期相的对应邻域的位置特征进行互补，计算所述两个期相的相同通道间的交叉相位的注意力值，根据所述注意力值对所述两个期相的全局特征中的深度特征进行互补，得到全局尺度分割结果。

5.根据权利要求1所述的方法，其特征在于，所述根据所述两个期相的局部特征之间的位置关系和深度关系对所述两个期相的局部特征进行互补得到局部尺度分割结果的步骤，包括：

根据所述两个期相的局部特征中的一个期相的每个位置特征对另一期相的对应邻域的位置特征进行互补，计算所述两个期相的相同通道间的交叉相位的注意力值，根据所述注意力值对所述两个期相的局部特征中的深度特征进行互补，得到局部尺度分割结果。

6.根据权利要求1所述的方法，其特征在于，所述预设多期相融合器官分割网络模型的主干网络由3D编码器和2D解码器组成。

7.根据权利要求1所述的方法，其特征在于，所述待分割多期图像数据为CT的多期相图像数据或者MRI的多模态数据。