[发明专利]软组织运动预测方法、装置、终端设备及可读存储介质

权利要求书

1.一种软组织运动预测方法，其特征在于，包括：

获取原始图像序列，所述原始图像序列用于描述软组织在第一时间段的运动轨迹；

将所述原始图像序列输入至预设的软组织运动预测模型进行处理，得到所述软组织运动预测模型输出的预测图像序列，所述预测图像序列用于描述预测到的所述软组织在与所述第一时间段相邻的第二时间段的运动轨迹；其中，所述软组织运动预测模型包括堆叠的多层长短期记忆网络单元，所述长短期记忆网络单元根据时间序列跨层进行目标时空特征的传输，所述长短期记忆网络单元包括自注意力模块；

其中，所述长短期记忆网络单元根据时间序列跨层进行目标时空特征的传输，包括：

第l+1层长短期记忆网络单元将t-1时刻生成的目标时空特征图传输给t时刻的第l层长短期记忆网络单元，1≤l＜L，L为所述软组织运动预测模型包含的长短期记忆网络单元的总层数。

2.如权利要求1所述的软组织运动预测方法，其特征在于，所述自注意力模块包括第一自注意力模块和第二自注意力模块，所述第一自注意力模块与所述第二自注意力模块并联，所述第一自注意力模块用于生成候选时空特征图，所述第二自注意力模块用于生成候选空间特征图。

3.如权利要求2所述的软组织运动预测方法，其特征在于，所述第一自注意力模块根据下述公式生成所述候选时空特征图：

其中，为t时刻的第l层长短期记忆网络单元中的第一自注意力模块生成的候选时空特征图，W_f、W_lv、W_xo、W_ho、W_co为预设的权重矩阵，为t时刻的第l层长短期记忆网络单元中的第一自注意力模块对应的输入特征图，Z_l为第一自注意力模块基于生成的中间特征图，Z_l；i为Z_l中的第i个元素，a_l；i,j为中的第i个元素与第j个元素之间的相似性，为中的第j个元素，N为包含的元素的总个数，σ为sigmoid函数，x_t为t时刻的原始图像，为t-1时刻的第l+1层长短期记忆网络单元传输的目标时空特征图，为t时刻的第l层长短期记忆网络单元生成的目标时间特征图，b_o为预设的偏置项。

4.如权利要求2所述的软组织运动预测方法，其特征在于，所述第二自注意力模块根据下述公式生成所述候选空间特征图：

其中，为t时刻的第l层长短期记忆网络单元中的第二自注意力模块生成的候选空间特征图，W_z、W_mv为预设的权重矩阵，为t时刻的第l-1层长短期记忆网络单元输出的目标空间特征图，Z_m为第二自注意力模块基于生成的中间特征图，Z_m；i为Z_m中的第i个元素，a_m；i,j为中的第i个元素与第j个元素之间的相似性，为中的第j个元素，R为包含的元素的总个数。

5.根据权利要求2所述的软组织运动预测方法，其特征在于，所述长短期记忆网络单元根据下述公式对所述第一自注意力模块生成的候选时空特征图和所述第二自注意力模块生成的候选空间特征图进行处理，得到所述长短期记忆网络单元输出的目标时空特征图和目标空间特征图：

其中，为t时刻的第l层长短期记忆网络单元输出的目标时空特征图，为t时刻的第l层长短期记忆网络单元输出的目标空间特征图，为t时刻的第l层长短期记忆网络单元中的第一自注意力模块生成的候选时空特征图，为t时刻的第l层长短期记忆网络单元中的第二自注意力模块生成的候选空间特征图，⊙为元素乘积，σ为sigmoid函数，W_ho'和W_mg为预设的权重矩阵，b_o'和b_g'为预设的偏置项。