[发明专利]融合几何信息的软注意力网络的血管分割方法

权利要求书

1.一种融合几何信息的软注意力网络的血管分割方法，其特征在于，包括：如下步骤：

a)收集n名患者的冠状动脉血管图像，得到数据集I，I＝{I₁,I₂,...,I_i,...,I_n}，其中I_i为第i名患者的冠状动脉血管图像，i∈{1,2,...,n}；

b)对数据集I进行预处理，得到预处理后的数据集I_f，I_f＝{I_f1,I_f2,...,I_fi,...,I_fn}，其中I_fi为第i名患者的预处理后的冠状动脉血管图像；

c)将预处理后的数据集I_f划分为训练集train、验证集val、测试集test；

d)设置由编码器、中间结构层、解码器构成的网络结构，将训练集train中第i名患者的预处理后的冠状动脉血管图像I_fi输入到网络结构的解码器中，输出得到特征图I_fm⁴；

e)将特征图I_fm⁴输入到网络结构的中间结构层中，输出得到特征图I_fc¹；

f)将特征图I_fc¹输入到解码器中，输出得到分割图像I_end；

g)计算损失函数L；

h)使用AdamW作为优化器，根据损失函数L使用反向传播来优化步骤d)中网络结构，得到优化后的网络结构；

i)将测试集test中第i名患者的预处理后的冠状动脉血管图像输入到优化后的网络结构中，得到分割图像I′_end。

2.根据权利要求1所述的融合几何信息的软注意力网络的血管分割方法，其特征在于：步骤a)中在使用X射线血管造影图像的自动基于区域的冠状动脉疾病诊断公开挑战赛中收集200名患者的冠状动脉血管图像，得到数据集I；步骤b)中在python中导入Augmentor包，使用Augmentor包对数据集I依次进行旋转、弹性形变、增强亮度、增强对比度操作，得到增强后的数据集I′，I′＝{I′₁,I′₂,...,I′_i,...,I′_n}，将增强后的数据集I′进行Overlap-tile策略得到预处理后的数据集I_f。

3.根据权利要求1所述的融合几何信息的软注意力网络的血管分割方法，其特征在于：将预处理后的数据集I_f按照6:2:2的比例划分为训练集train、验证集val、测试集test。