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！

摘要：本发明公开了一种基于多尺度上下文建模的前列腺MRI分割方法，其特征在于，包括以下步骤：基于深度学习网络构建前列腺MRI分割模型，利用训练数据集对前列腺MRI分割模型进行训练，部署前列腺MRI分割模型；将实时获得的MRI图像数据输入前列腺MRI分割模型，由前列腺MRI分割模型进行实时推理，获得最终的分割结果。本发明提供了一种多尺度上下文建模模块，该模块通过最小化不相关特征的影响来增强边界像素的表示，从而改善分割结果。此外，本发明还引入了一种先进先出的动态调整机制，优化特征向量的选择，特别是在前列腺的顶端和底端区域。

主权项：1.一种基于多尺度上下文建模的前列腺MRI分割方法，其特征在于，包括以下步骤：第一步、获取包含前列腺器官范围标注的MRI图像数据，构建MRI影像数据集；第二步、对MRI影像数据集中的所有MRI图像数据进行预处理后，基于MRI影像数据集构建训练数据集以及测试数据集；第三步、基于深度学习网络构建前列腺MRI分割模型，利用训练数据集对前列腺MRI分割模型进行训练，其中，在所述前列腺MRI分割模型中：输入的MRI图像数据通过一个LeakyReLU层进行非线性变换，LeakyReLU层的输出被输入N层特征编码器，其中，第一层特征编码器的输入为LeakyReLU层的输出，第n层特征编码器的输入为第n-1层特征编码器的输入，1n≤N，同时，将每层特征编码器提取的编码特征图作为当前层的跳跃链接保存，第一层跳跃链接至第N-1层跳跃链接分别被送入N-1层特征融合模块，且第一层跳跃链接至第N-1层跳跃链接两两之间分别增加N-2层上下文建模模块；除第N-1层特征融合模块外，第n层特征融合模块将第n+1层上下文建模模块的输出与第n层跳跃链接进行特征融合和通道压缩，而第N-1层特征融合模块将经过上采样后的第N层编码结果与第N-1层跳跃链接进行特征融合和通道压缩，其中，第N层编码结果为将第N层跳跃链接与特征存储模块中存储的多个数据集级特征进行特征融合，这些数据集级特征与当前第N层跳跃链接具有最高相似度；每一层上下文建模模块具有两个输入，其中一个输入为当前层特征融合模块的输出经过上采样后的结果，另外一个输入为当前层跳跃链接经过类别概率分布计算后的结果；每一层特征融合模块的输出经过一个分割头之后获得当前层的分割结果，第一层的分割结果为最终所述前列腺MRI分割模型输出的分割结果；第四步、利用测试数据集完成对训练后的前列腺MRI分割模型的评估以及优化后，部署前列腺MRI分割模型；第五步、将实时获得的MRI图像数据输入前列腺MRI分割模型，由前列腺MRI分割模型进行实时推理，获得最终的分割结果。

全文数据：

权利要求：

百度查询： 复旦大学附属华山医院 一种基于多尺度上下文建模的前列腺MRI分割方法