买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：艾瑞迈迪医疗科技(北京)有限公司

摘要：基于多尺度融合网络的三维超声甲状腺分割方法及装置，能够准确分割异质器官结构的边缘，避免最终分割结果依赖于距离图预测的中间结果，兼顾利用多层级语义信息并保持较小的计算量，能够准确地分割三维甲状腺，达到非常好的效果。方法包括：1让网络学习去预测边界距离图，以便分割异质器官结构的边缘；2采用深监督的方式对网络增加约束指导训练，以避免最终分割结果依赖于距离图预测的中间结果；3在多尺度使用CBAM注意力模块来关注边缘距离信息；4采用空洞卷积的密集融合模块对各层概率图进行融合，逐步细化输出概率图，产生各层的最终结果。

主权项：1.基于多尺度融合网络的三维超声甲状腺分割方法，其特征在于：其包括以下步骤：1让网络学习去预测边界距离图，以便分割异质器官结构的边缘；2采用深监督的方式对网络增加约束指导训练，以避免最终分割结果依赖于距离图预测的中间结果；3在多尺度使用CBAM注意力模块来关注边缘距离信息；4采用空洞卷积的密集融合模块对各层概率图进行融合，逐步细化输出概率图，产生各层的最终结果；所述步骤1中，编码器部分各阶段采用相同数量的卷积块，并采用步长为2的跨步卷积替代最大池化层；采用GN-PReLU-Conv的顺序组建单个卷积层，归一化层前置的形式；所有卷积层采用分组数为4的分组卷积；在编码器的第三第四阶段使用空洞率为2的空洞卷积以增加感受野并获得更有指导性的语义信息；所述步骤2中，将后续各个层级的特征图通过双线性插值统一到第一阶段的特征图大小，并以掩膜计算得到的边缘距离图作为约束进行深监督；给定一个甲状腺掩膜，获得其边缘掩膜后，计算各像素Pi到甲状腺边缘的距离图Di，并通过公式1得到d为归一化距离图，dPi＝exp-λDi1其中Di＝minbj∈bdistPi,bj，是像素Pi到边界像素b＝{bj}j∈J的最短距离，λ是用于控制归一化效果的参数，归一化距离图深监督的损失函数形式为： 其中为网络预测的距离图；所述步骤3中，将编码器各层特征图slf以第2层分辨率为基准通过双线性插值统一分辨率，拼接之后通过卷积操作得到多层卷积特征mlf，将slf和mlf拼接送入注意力模块，由多尺度特征指导学习信息融合的权重，将权重作用于mlf以获得层级slf细化所需的有效信息，并与slf结合得到输出特征图；注意力模块的通道注意力权重为McF＝σW1W0AvgPoolF+W1W0MaxPoolF3其中，σ表示sigmoid函数，AvgPool,MaxPool分别为平均池化与最大池化操作，W0∈RCr×C，W1∈RC×Cr为用于通道压缩与恢复的两个卷积操作，后接PReLU激活函数；空间注意力权重为MSF＝σf7×7[AvgPoolF；MaxPoolF]4其中，σ表示sigmoid函数，AvgPool,MaxPool分别为平均池化与最大池化操作，f7×7表示卷积核为7×7的卷积操作；通道和空间注意力模块通过串联方式连接并组建残差块，块中的卷积采用分组卷积，归一化层采用GN层，激活函数采用PReLU；所述步骤4中，将多个层级的特征图逐次输入，以密集连接的方式进行融合；以具备高级语义信息的第四层特征图首先输入，将卷积结果逐次拼接其他层级特征图，并迭代卷积运算；随着感受野的不断扩大，以及新的层级信息的融入，预测结果得到逐渐优化，感受野计算的额方式为Rcur＝Rpre+Spre×Kcur-1×rate5其中Rcur是当前层的感受野，Rpre是前一层的感受野，Spre是前一层的跨步距离，Kcur是当前层的卷积核尺寸，rate为当前的空洞率；对于卷积核尺寸为3，空洞率为2的卷积操作，假定前一层跨步长度为1，经过n次rate＝2空洞卷积的感受野为Rn＝Rpre+4×n，由于mlf和各slf结合的方式，使得各个层级的感受野实际上相同，在经过具有全局池化的注意力模块后，感受野迅速增长到240，因此已经具有比较大的感受野；在之后的DFM采用空洞率为2的卷积来适度增加感受野，没有拉开各层级的感受野差距，起到了细化输出结果的效果。

全文数据：

权利要求：

百度查询： 艾瑞迈迪医疗科技(北京)有限公司 基于多尺度融合网络的三维超声甲状腺分割方法及装置