[发明专利]一种基于多注意力机制的端到端的肿瘤分割方法

摘要

本发明涉及一种基于多注意力机制的端到端的肿瘤分割方法，该方法主要包括主干网络部分和注意力模块部分，其中主干网络包括三个子网络，由改进的3D Residual U‑net构成；注意力模块由特殊设计的双分支结构构成。该方法能够弥补现有技术的训练效率低，分割精度差的不足，将对多个肿瘤子区域多类分割问题转化成多个二类分割任务，注意力机制将对肿瘤外周水肿区域的分割结果作为一种软注意力添加到进一步对于肿瘤核部分的分割子任务中，同样将肿瘤核部分的分割结果通过注意力机制添加到对于肿瘤核内部的增强区域的分割子任务中。该方法适用于包括脑瘤在内的具有类似层次结构的肿瘤病变组织的3D影像的分割，包括MRI，CT图像等，能够提供更加精确的分割结果。

主权项

1.一种基于多注意力机制的端到端的肿瘤分割方法，利用深度学习神经网络进行肿瘤分割，所述神经网络包括主干网络部分和注意力模块部分，其中主干网络包括三个子网络；注意力模块由双分支结构构成；该方法的使用包括如下步骤：A.数据的预处理，包括图像的裁切，数据的增强，图像的偏差矫正，归一化等操作；B.数据的输入，通过对数据的排序进行打乱，随机裁切一定大小的图像块，作为模型的输入；C.模型的训练，使用准备好的数据对主干网络和注意力模块组成的模型进行整体端到端训练，直到模型在评价指标上达到收敛为止；D.效果的验证，将训练好的模型对验证集中的所有肿瘤图像进行分割，将分割得到的结果进行在线提交，以评估模型的分割效果。