[发明专利]基于多尺度自注意力机制的髋关节分割方法、装置及设备

权利要求书

1.一种基于多尺度自注意力机制的髋关节分割方法，其特征在于，包括：

在获取髋关节图像后，基于所述髋关节图像获取目标髋关节图像；

利用CNN网络对所述目标髋关节图像进行多尺度编码，得到CNN编码后的特征图；

对所述CNN编码后的特征图进行双尺度自注意力特征融合，得到双尺度自注意力特征融合后的特征图；

对所述双尺度自注意力特征融合后的特征图和对应的解码层特征图执行Concat操作，得到对应的新解码层特征图；

对各个所述新解码层特征图执行Concat操作，得到拼接后的特征图；

通过尺度自注意力机制，对所述拼接后的特征图进行特征融合，得到目标特征图；

基于所述目标特征图，获取髋关节分割结果。

2.根据权利要求1所述的基于多尺度自注意力机制的髋关节分割方法，其特征在于，所述在获取髋关节图像后，基于所述髋关节图像获取目标髋关节图像，包括：

对所述髋关节图像进行下采样，得到下采样后的髋关节图像；

将所述下采样后的髋关节图像，确定为所述目标髋关节图像。

3.根据权利要求1所述的基于多尺度自注意力机制的髋关节分割方法，其特征在于，所述对所述CNN编码后的特征图进行双尺度自注意力特征融合，得到双尺度自注意力特征融合后的特征图，包括：

获取编码层中相邻的两个特征图；其中，所述两个特征图分别为第一特征图和第二特征图；

提取所述第一特征图对应的第一尺度自注意力系数；

提取所述第二特征图对应的第二尺度自注意力系数；

将所述第一尺度自注意力系数和所述第二尺度自注意力系数进行点乘，得到ESA自注意力系数；

将所述第二特征图与述ESA自注意力系数进行Value操作，得到所述双尺度自注意力特征融合后的特征图。

4.根据权利要求3述的基于多尺度自注意力机制的髋关节分割方法，其特征在于，所述提取所述第一特征图对应的第一尺度自注意力系数，包括：

对所述第一特征图进行Query操作和Key操作，得到所述第一尺度自注意力系数。

5.根据权利要求1述的基于多尺度自注意力机制的髋关节分割方法，其特征在于，所述通过尺度自注意力机制，对所述拼接后的特征图进行特征融合，得到目标特征图，包括：

通过通道注意力机制，获取通道注意力特征图M4；

通过空间注意力机制，获取空间注意力特征图M8；

对所述通道注意力特征图和所述空间注意力特征图进行特征融合，得到特征图M9；

对所述特征图M9进行Conv1x1+BN+Relu操作，得到所述目标特征图。

6.根据权利要求5述的基于多尺度自注意力机制的髋关节分割方法，其特征在于，所述通过通道注意力机制，获取通道注意力特征图M4，包括：

获取各个解码层不同尺度Concat操作的特征图，并分别进行Conv3x3+BN+Relu和Conv1x1+BN+Relu操作，得到特征图M1和特征图M2；

将所述特征图M1和所述特征图M2进行特征融合，得到特征图M3；

对所述特征图M3进行softmax计算，得到通道注意力系数C；

通过所述特征图M2和所述通道注意力系数C的点积，得到所述通道注意力特征图M4。

7.根据权利要求6述的基于多尺度自注意力机制的髋关节分割方法，其特征在于，所述通过空间注意力机制，获取空间注意力特征图M8，包括：

对所述特征图M2进行softmax计算后与所述特征图M2进行点乘操作，得到特征图M5；

对所述特征图M5进行Conv1x1+BN+Relu操作，得到特征图M6；

对所述特征图M6进行LN+Relu操作，得到特征图M7；

将所述特征图M7与所述特征图M2进行融合，得到所述空间注意力特征图M8。