[发明专利]一种肺炎CT图像分割方法、装置及设备

权利要求书

1.一种肺炎CT图像分割方法，其特征在于，包括：

获取待检测肺炎CT图像，进行预处理；将预处理后的待检测肺炎CT图像输入预先训练好的U-Former模型中；

所述U-Former模型为U型结构，对输入的图像利用卷积提取局部特征，生成特征图像；

将特征图像输入编码器中进行下采样，所述编码器包括沿正传播方向依次串联的多个编码层，每个编码层对输入的特征图像的处理包括：

将输入的特征图像经过卷积块卷积后，送至多个串联的混合模块，获取最后一个混合模块输出的图像作为该编码层的输出特征图像；

每个混合模块均利用并行的高效多头自注意力模块与卷积模块，分别对卷积后的图像进行处理；高效多头自注意力模块将输入的大小为H×W×C的特征图像，划分为个Patch，p_h×p_w为每个Patch的大小，每个Patch由p_h×p_w个Token组成；划分之后进行自注意力计算，每个Patch中的Token，只与其他Patch中对应位置处的Token进行自注意力计算；根据每个Token的自注意力获取带有全局信息的特征图像与经过卷积模块的输出图像，送入残差模块输出；

解码器的解码层与对应编码层跳跃连接，根据对应编码层的输出特征图像与上一解码层的输出图像进行上采样，最后一层解码层上采样的结果经过卷积模块，输出肺炎CT图像病灶分割结果。

2.根据权利要求1所述的肺炎CT图像分割方法，其特征在于，所述U-Former模型的编码端包括：

Stem模块，用于对输入的图像利用卷积提取局部特征，生成特征图像；

编码器，用于对所述特征图像进行下采样，其包括沿正传播方向依次串联的四层编码层；所述编码层沿正传播方向依次包括：

卷积块；

多个混合模块。

3.根据权利要求2所述的肺炎CT图像分割方法，其特征在于，所述U-Former模型的解码端包括用于对输入的特征图像进行上采样的解码器，沿正传播方向依次包括：

第一层解码层，其输入为第三层编码层输出图像与经过上采样的第四层编码层输出图像；

第二层解码层，其输入为第二层编码层输出图像与经过上采样的第一层解码层输出图像；

第三层解码层，其输入为第一层编码层输出图像与经过上采样的第二层解码层输出图像。

4.根据权利要求2所述的肺炎CT图像分割方法，其特征在于，所述Stem模块包括沿正传播方向依次串联的一个步长为2的3×3卷积块与两个步长为1的3×3卷积块。

5.根据权利要求1所述的肺炎CT图像分割方法，其特征在于，所述混合模块将输入图像经过标准化模块后，分别送入并行的高效多头自注意力模块与卷积模块中，两模块的输出经过1×1卷积，与标准化后的输入图像跳跃连接，再经过残差MLP模块输出。

6.根据权利要求1所述的肺炎CT图像分割方法，其特征在于，所述预处理包括对待检测肺炎CT图像进行数据增强。

7.根据权利要求1所述的肺炎CT图像分割方法，其特征在于，所述解码器的解码层与对应编码层跳跃连接的路径上包括多尺度特征融合模块MSFF，所述MSFF为并行多分支结构，将经过卷积的MSFF的输入图像与多个支路的输出图像进行拼接与卷积后输出，所述并行多分支结构包括：

第一分支，其包括步长为1的3×3卷积块；

第二分支，其包括沿正传播方向依次串联的步长为1的3×3卷积块与步长为2的3×3卷积块；

第三分支，其包括沿正传播方向依次串联的步长为1的3×3卷积块、步长为2的3×3卷积块与步长为3的3×3卷积块；

所述第一分支、所述第二分支与所述第三分支中，每个卷积块之后都串联批归一化层与激活函数层。