[发明专利]基于双路注意力编解码网络的三维图像分割方法

权利要求书

1.一种基于双路注意力编解码网络的三维图像分割方法，其特征在于，包括如下的步骤：

(1)三维图像预处理：

将用于训练的原始图像随机裁剪成小图像块，对小图像块进行预处理，获得更清晰的图像，并将预处理的数据保存在本地；

(2)训练双路注意力编解码网络：

构建基于双路注意力编解码网络，将训练集数据输入网络，使用边界损失优化网络的模型参数，并保存训练好的网络参数文件；

(3)使用训练好的模型预测：

载入训练好的模型参数文件，将测试集数据输入网络，获取预测的分割结果，分割结果以概率图表示；

(4)网络预测结果后处理：

使用密集条件随机场对概率图进行调整，优化分割结果的边缘，再使用最大连通区域算法去除多余的假正例，输出并保存后处理的图像结果。

2.根据权利要求1所述基于双路注意力编解码网络的三维图像分割方法，其特征在于，在权利要求1所述步骤(1)中，其图像预处理包含以下具体步骤：

(1-1)将三维图像数据裁剪为12×224×244像素的图像块；

(1-2)判断图像块是否为灰度图，对于非灰度图使用归一化算法进行灰度图转换；

(1-3)使用高斯滤波去除图像中的噪音点；

(1-4)使用直方图均衡化拉伸图像的灰度分布，增强图像的对比度；

(1-5)使用拉普拉斯算子实现图像的边缘锐化处理，增强图像中的灰度突变即降低灰度变化缓慢的区域；

(1-6)划分并保存预处理的图像数据。

3.根据权利要求1所述基于双路注意力编解码网络的三维图像分割方法，其特征在于，在所述步骤(2)中，使用边界损失函数用于优化网络模型参数，边界损失表示为：

L_e＝d+α·a+β·e (1)

上述公式(1)中，d、a和e分别表示距离、面积和边界；α和β分别是面积和边界对应的加权。

4.根据权利要求1所述基于双路注意力编解码网络的三维图像分割方法，其特征在于，在所述步骤(2)中，采用残差块、最大池化、平均池化和双路径块构建编码器网络；采用卷积块和Softmax激活函数构建双路注意力网络；采用残差块、反卷积块和Sogmoid激活函数构建解码器网络。

5.根据权利要求4所述基于双路注意力编解码网络的图像分割方法，其特征在于，在所述步骤(2)中，编码器的编码网络的设计与构建包括如下具体步骤：

(2-1-1)在编码器第一层使用1个残差块适应不同数据维度的输入，使用最大池化对第一层的输出进行降维；

(2-1-2)在编码器第二层使用2个双路径块探索图像低级纹理特征，使用最大池化对第二层的输出进行降维；

(2-1-3)在编码器第三层使用3个双路径块探索图像高级抽象特征，使用平均池化对第三层的输出进行降维；

(2-1-4)在编码器第四层使用5个双路径块探索图像高级抽象特征，使用平均池化对第四层的输出进行降维；

(2-1-5)在编码器第五层使用2个双路径块对探索的图像特征进行整合。

6.根据权利要求4所述基于双路注意力编解码网络的三维图像分割方法，其特征在于，注意力编码网络模块包含三个子模块：

(a)位置注意力模块；

(b)通道注意力模块；

(c)特征融合模块；所述双路注意力网络模块的设计与构建包括如下具体步骤：

(2-2-1)将位置注意力模块与通道注意力模块并行放置以探索空间特征和通道特征；

(2-2-2)采用特征融合模块将探索的空间特征和通道特征进行整合。

7.根据权利要求4所述基于双路注意力编解码网络的三维图像分割方法，其特征在于，编码器的解码器网络的设计与构建包括如下具体步骤：

(2-3-1)在解码器第一层至第四层使用2个残差块和1个反卷积块交替连接来逐步恢复图像特征分辨率；

(2-3-2)在解码器第五层使用2个残差块和1个Sigmoid激活函数输出概率特征映射图。