[发明专利]一种肺炎CT图像分割方法、装置及设备

说明书

本发明涉及一种肺炎CT图像分割方法，包括将获取的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，经过Stem模块提取局部特征，生成特征图像；输入编码器中沿正传播方向依次串联的四个编码层进行下采样，每个编码层对输入图像的处理包括：将输入图像经过卷积块送至N个串联的混合模块；利用混合模块中并行的高效多头自注意力模块EMSHA与卷积模块，分别对卷积后的图像进行处理；EMSHA将输入的大小为H×W×C的图像，划分为个Patch，每个Patch的大小为psubgt;h/subgt;×psubgt;w/subgt;，由psubgt;h/subgt;×psubgt;w/subgt;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，输出特征图像，与经过卷积模块的输出图像，送入残差模块输出；再经过与编码器跳跃连接的解码器上采样，输出肺炎CT图像病灶分割结果。

技术领域

本发明涉及医学图像处理技术领域，尤其是指一种肺炎CT图像分割方法、装置及设备。

背景技术

深度学习是机器学习方法之一，通过建立多层神经网络来进行高效的特征提取和数据建模。相比于传统机器学习方法，深度学习可以自动学习更加复杂的模式和规律，可以处理包括图像、语音、自然语言等在内的大量高维数据，具有广泛的应用前景。随着深度学习技术的快速发展和应用，它在医学图像处理和分析领域的作用也日益显著。相比于传统的医学图像分析方法，深度学习可以自动从大量的数据中学习并提取特征，从而为相关疾病的诊断提供更加可靠和准确的依据。此外，利用深度学习技术可以实现医学图像的自动分析和识别，可以极大地提高医生的工作效率和准确性。随着深度学习技术不断的发展和应用，它已经成为了现代医疗领域的具有前景的发展方向，有望为人类健康事业的发展做出更大的贡献。

自2019年12月以来，新型冠状病毒(COVID-19)已经在全球迅速传播。该病毒已经经历了多次变异，其传播力强、并发症高的特点依旧是当前医学界面临的重大挑战，其中部分感染者可能出现肺炎相关症状。2023年1月5日，中国国家卫生健康委员会发布了《新型冠状病毒感染诊疗方法》(试行第十版)，其中将胸部影像学特征列为临床特点之一。CT(计算机断层扫描)作为一种非侵入性的成像方法，可以描绘出肺部的特征性表现，帮助医生及时对疾病进行诊断。然而，随着感染患者数量的增加，患者肺部CT数据也逐渐增多，由于人工经验的差异，准确率无法得到保证，很容易造成误判，增加了误诊的风险的同时给医生带来更大的负担。因此，开发出计算机辅助系统，通过自动分析CT图像并输出肺炎疾病类型信息，有利于放射科医生做出决策，同时也有助于早期发现和治疗肺病。