[发明专利]一种用于透明隔腔超声图像的分割系统及方法

权利要求书

1.一种用于透明隔腔超声图像的分割系统，其特征在于包括，

卷积单元(1)，用于进行卷积计算；

修正线性单元(2)，用于计算激活值；

批标准化单元(3)，用于通过调整和缩放激活来规范化输入层；

最大池化单元(4)，用于对编码输出进行降采样；

转置卷积单元(5)，通过上采样将特征图的大小加倍，通道的数量减半；

注意力机制单元(6)，包括全局平均池化过程，注意权重和生成上下文向量函数，用于学习全局信息以增强获取有意义的信息并从通道角度抑制无意义的信息；

特征图首先输入注意力机制单元(6)，学习全局信息以增强获取有意义的信息并从通道角度抑制无意义的信息；然后将注意力机制单元(6)的输出值替换原始特征图输入卷积单元(1)，卷积单元(1)的输出值输入批标准化单元(3)，批标准化单元(3)的输出值输入修正线性单元(2)，修正线性单元(2)的输出值输入最大池化单元(4)进行降采样，得到编码结果，然后将编码结果输入卷积单元(1)，卷积单元(1)的输出值输入批标准化单元(3)，批标准化单元(3)的输出值输入修正线性单元(2)，修正线性单元(2)的输出值输入转置卷积单元(5)进行上采样，得到解码后的特征图分割结果。

2.一种权利要求1所述的用于透明隔腔超声图像的分割系统的分割的方法，其特征在于包括以下步骤：

A、设置U-net主体结构，包括一条编码路径和一条解码路径；

B、对编码路径的输出进行降采样，并进行最大池化操作，每次降采样时，特征图边长的大小将变为1/2；并且输出要素图中的通道数增加一倍；对解码路径进行转置卷积，每次将特征图的大小加倍，通道的数量减半，在裁剪后的特征图和解码路径之间实现跳过连接，以确保在网络的顶层添加上下文信息，通过Sigmoid激活函数和1x1卷积网络确定属于不同类别的像素分割概率；

C、使用全局平均池化将空间中的每个通道的所有点转换为单个值，输入是一个特征图，维度为C*H*W，其中C，H和W分别表示特征图的通道数，长度和宽度，通过全局平均池化处理得到一个C x1 x1矩阵，第l层通道的特征值计算如下：

其中(i，j)表示特征图中点a∈α平面的水平和垂直坐标，α平面尺寸长为H，宽为W，(i，j)最大取值分别为h，w，其中l的范围为{1，2，...C}，代表特征图的数量；激活函数是对通道之间的相关程度进行建模；

D、在将每个通道的全局信息压缩为一组值之后，计算得分函数来查找应关注的输入信息；由步骤C得向量e，向量e表示{e^l，l∈{1，2，...C}}，

s＝ξ{W_s[γ(W_a·e+b_a)]+b_s}

γ(z)＝max(0，z)

Wa为权重参数矩阵，它的维度为sc表示缩放参数，可以减少通道数，从而减少计算量，权重参数矩阵和的情况下，偏差项和b_s∈R^C×1，γ表示RELU函数，通过该函数维度大小不会改变，然后乘以W_s并加上偏置项b_s，将其看为一个全连接层，最后通过一个Tanh激活函数来获得s的输出，这是对于每个注意力特征图的得分函数；

E、将输入特征图a和注意力加权s进行逐元素相乘：x＝s·a，用通道注意模块获得的x替换U-net主框架中的原始输入a，并将其引入到U-net网络结构中以定位目标区域来继续在编码-解码器框架中实现分割；

F、在对丘脑横截面中的丘脑，脑中线和透明隔腔分割；在丘脑矢状面内对透明隔腔和胼胝体进行分割后，以确保这些结构的完整性和所选平面的标准；然后计算透明隔腔的宽度，透明隔腔宽度与图像尺寸之间的转换关系为，

其中h_width：表示CSP的像素高度，e_depth是用来对应每张照片的实际深度，c_width：表示852个像素的图像的宽度。