[发明专利]基于注意力机制和集成配准的口腔腭部软硬组织分割方法

权利要求书

1.一种基于注意力机制和集成配准的口腔腭部软硬组织分割方法，其特征在于，包括以下步骤：

S1：预处理目标图像数据集，其中所述目标图像数据集包括由口腔锥形束投照计算机重组断层影像设备Cone Beam Computed Tomography获取的 CBCT图像数据集和及其对应的勾画标签数据集，并将目标图像数据集按8:1:1的比例划分为训练集、验证集和测试集；

S2：构建并训练口腔腭部软硬组织分割网络模型；

所述分割网络模型包括编码器部分和解码器部分，在编码后引入轻量Transfomer层以获取目标局部信息；同时，在跳接中引入残差感知注意力机制RCSM，将待分割的目标图像数据集输入分割网络模型，基于混合损失函数，对所述分割网络模型进行训练，并在训练中引入随机增广方法RA增加训练集大小，防止网络过拟合；所述残差感知注意力机制RCSM包括并行感受野模块RFB、注意力门模块AG；编码器输出的特征图和解码器部分的特征图分别经过RFB模块，然后输入AG模块，最后将输出的特征图与编码器输出的特征图进行相加，再输出结果；

S3：将测试集输入训练好的分割网络模型中，预测口腔腭部软硬组织；

S4：基于多口腔腭部软硬组织分割结果建立集成配准方法，所述集成配准方法包括建立混合高斯模型和最大期望求解算法。

2.根据权利要求1所述的基于注意力机制和集成配准的口腔腭部软硬组织分割方法，其特征在于，所述步骤S2具体包括：

S21：构建编码器；

所述编码器部分总共包含五层，每层包括两组由3×3×3的卷积模块和一个矫正线性单元ReLU和组成的结构，以及除了最后一层的其余四层编码层各包括一个2×2×2最大池化模块构成；

S22：构建轻量Transfomer层；

所述轻量Transfomer层包含图像整形和像素嵌入、归一化Layer Norm、轻量多头自注意力及多层感知机模块；

S23：构建基于残差感知注意力机制的多尺度特征解码器；

所述解码器部分重复应用四层，每层包括两组由3×3×3的卷积模块和一个矫正线性单元ReLU组成的结构，最后一层经过大小为1×1×1的卷积层输出预测结果；在编码器与解码器之间通过跳跃连接共享多尺度特征，跳跃连接操作包含残差感知注意力机制RCSM；

所述跳跃连接操作包括将RCSM模块所输出的多尺度特征图，与解码器部分的特征图进行拼接。

3.根据权利要求2所述的基于注意力机制和集成配准的口腔腭部软硬组织分割方法，其特征在于，所述轻量Transfomer层用来更轻量化地提取局部信息，包括图像整形和像素嵌入、归一化Layer Norm、轻量多头自注意力及多层感知机模块；首先，对于输入的图像I^H×W进行像素嵌入，将图像矩阵整形为扁平的一系列像素块，图像块个数为N_t，每个图像块维度为P×P，其中N_t=H×W/P²；为了保留原始的像素块位置信息，进行了像素位置嵌入，其公式为：

其中表示第个像素块，T表示像素嵌入投影，T_pos表示像素位置嵌入偏移量；最后，采用L层的轻量多头注意力和多层感知机模块对目标信息进行提取；其公式为：

其中MLP代表多层感知机，LN为归一化层，SMSA为轻量多头自注意力，表示第l-1层的像素块输入，且；轻量多头自注意力表示为和，其中、和分别表示经过组线性变换后的像素块权重矩阵，由训练的权重、和与输入像素块的乘积得到，表示维度。