【技术实现步骤摘要】
本专利技术涉及深度学习图像分割领域，具体为一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法、系统及设备。
技术介绍
1、冠状动脉疾病(cad)是全球最普遍的心血管疾病之一，主要是由动脉壁内斑块形成引起的，严重情况下可能导致心肌缺血、缺氧或坏死。冠状动脉计算机断层扫描血管造影(ccta)作为一种无创方法，被广泛用于重建和定量评估患者的冠状动脉结构。冠状动脉分割对于冠状动脉疾病分析至关重要，ccta图像上的自动冠状动脉分割作为一种提高分析准确性的方法已经变得越来越受欢迎。
2、目前的冠状动脉分割方法大致可以分为两类：基于经典机器学习和基于现代深度学习的方法。前者主要是基于规则的方法，如基于滤波增强、区域生长、水平集和中心线引导，利用各种血管图像特征来分割血管，这些方法在它们自己的私有数据集上取得了有价值的结果和良好的性能，但因严重依赖于手工制作而在临床实践中难以实施。基于深度学习的方法由于其更好的可扩展性和更高的准确性，如基于特征的方法精心设计了针对冠状动脉结构独特特征的网络架构，这些架构指导模型吸收更细粒度的特征表示以提高性能。然而，这些方法经常忽视了冠状动脉的全局形态，导致冠状动脉不连续。基于损失的方法在训练过程中引入约束，通常通过专门的损失函数。这些方法通过施加严格约束来改善分割，以解决分割冠状动脉内部的不连续性。然而，这些方法中包含的拓扑约束通常无法完全捕获冠状动脉的整体拓扑结构。因此，迫切需要开发深度神经网络，不仅要提高局部分割精度，还要同时保持全局形态连续性。
技术实现思
1、针对现有技术中冠状动脉分割方法不能兼顾局部分割精度和全局形态连续性的问题，本专利技术提供一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法。
2、本专利技术是通过以下技术方案来实现：
3、一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，包括以下步骤：
4、步骤1，以ccta图像为研究对象，设计多尺度跨域深度融合网络以空间域编码路径和频谱域编码路径全面探索冠状动脉特征，获取包含空间特征和频率特征的跨域特征；其中，在频谱域编码路径上结合设计的三阶段注意力介导的傅里叶结构提取频率特征；
5、步骤2，针对跨域特征，设计三角星跨域特征融合模块以成对交互路径跨域深度分析分割冠状动脉，获得冠状动脉的待解码三角星跨域融合特征图；
6、步骤3，采用局部熵感知双解码过程多尺度处理冠状动脉的待解码三角星跨域融合特征图，之后结合每个尺度相关的局部熵获取冠状动脉分割结果。
7、优选的，步骤1中，在空间域编码路径上，使用残差块和下采样操作在空间域中提取空间特征；在频谱域编码路径上，使用最大池化层进行下采样操作以及设计的三阶段注意力介导的傅里叶结构提取频率特征。
8、优选的，设计的三阶段注意力介导的傅里叶结构动态地在频谱域内调节血管的全局特征，具体过程如下：通过快速傅里叶变换获得特征的频谱域表示，包括实部和虚部，通过双通道注意力调制频率特征的实部和虚部，通过在实部和虚部上分别独立执行全局平均池化获取对应的通道描述符，再使用两个卷积层和sigmoid函数激活来获得自适应的注意力权重，最后通过快速傅里叶变换将处理过的信息x″映射回其原始潜在空间。
9、优选的，步骤2中，跨域深度分析的过程为：对来自紧密交织的空间和频谱编码器的跨域特征采用全局平均池化在每个特征通道上聚合产生通道方向的统计量，再将通道级统计量采用通道级软注意力获取特征权重向量，最后以特征权重向量为指导整合跨域特征，获取待解码三角星跨域融合特征。
10、优选的，步骤3中，双解码处理冠状动脉的多尺度特征的过程包括第一次解码过程和第二次解码过程，第一次解码过程为u-net风格解码过程；第二次解码过程为多尺度熵感知特征融合解码过程，在多个尺度上分别融合特征图和特征图对应尺度上局部熵，获得冠状动脉的分割结果。
11、优选的，第一次解码过程的过程为：对待解码特征图执行传统的u-net风格解码，获得逐渐解码的特征图。
12、优选的，第二次解码过程中的过程为：首先对第一次解码过程解码获得的不同的多个尺度的特征进行大小统一，再利用sigmoid函数得到每个尺度分割目标分布的概率图，然后基于每个尺度的权重组合缩放对应的概率图获得最终的概率图，最后对最终的概率图应用argmax函数获得冠状动脉的分隔结果；其中，每个尺度的权重基于每个尺度的熵估计获取，每个尺度的熵估计由每个尺度的概率图获取。
13、一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割系统，包括图像获取模块、空间编码器、频谱编码器、三角星跨域特征融合模块和解码器，图像获取模块用于获取ccta图像，空间编码器用于以空间域编码路径全面探索冠状动脉特征获取空间特征，频谱编码器用于频谱域编码路径全面探索冠状动脉特征，并结合设计的三阶段注意力介导的傅里叶结构获取频率特征；三角星跨域特征融合模块用于以成对交互路径跨域深度分析分割冠状动脉，获得冠状动脉的待解码三角星跨域融合特征图；解码器采用局部熵感知双解码过程多尺度处理冠状动脉的待解码三角星跨域融合特征图，待解码三角星跨域融合特征图结合每个尺度相关的局部熵获取冠状动脉分割结果。
14、一种终端设备，包括存储器、处理器以及存储在所述存储器中并在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述方法的步骤。
15、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
16、与现有技术相比，本专利技术具有以下有益效果：
17、本专利技术一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法在编码阶段引入三阶段注意力介导的傅里叶结构在频谱域内调节血管的全局特征，以便编码器更好地利用冠状动脉的频谱特征，具有出色的抗谱噪声能力。其次，引入了三角星跨域特征融合模块采用成对交互路径融合来紧密交织的空间和频谱编码器的跨域特征，用以促进冠状动脉分割的深度跨域分析。最后以局部熵感知双解码过程，利用多尺度熵感知特征融合技术，在所有尺度上适应性地融合特征图，并与每个尺度相关的局部熵结合，显式建模网络的最终分割结果的推导。在内部和公共数据集上的广泛实验一致表明，所提出的方法具有出色的分割性能和泛化能力，以及易于转移到其他医学扫描模态和身体结构，超越了多个最新技术的算法在各种指标上的表现。本专利技术所提出的方法结合了空间-频谱编码进行跨域特征融合和熵感知解码进行多尺度特征融合，可以实现高质量的冠状动脉分割，经过实验与其他方法的对比，本专利技术所提出的方法具有出色的分割性能、泛化能力和可转移性，这种潜在的临床应用性为血管分割的进步铺平了道路，同时该方法可用于处理其他医学图像，如ct腹部图像、mra脑部图像等，显示出强大的适用性和普适性。
18、进一步的，三阶段注意力介导的傅里叶结构作为频谱编码器的基础构建块，增强了编码器利用频谱特征的能力，可以在频谱域内动态本文档来自技高网...
【技术保护点】
1.一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，步骤1中，在空间域编码路径上，使用残差块和下采样操作在空间域中提取空间特征；
3.根据权利要求2所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，设计的三阶段注意力介导的傅里叶结构动态地在频谱域内调节血管的全局特征，具体过程如下：通过快速傅里叶变换获得特征的频谱域表示，包括实部和虚部，通过双通道注意力调制频率特征的实部和虚部，通过在实部和虚部上分别独立执行全局平均池化获取对应的通道描述符，再使用两个卷积层和sigmoid函数激活来获得自适应的注意力权重，最后通过快速傅里叶逆变换将处理过的信息X″映射回其原始潜在空间。
4.根据权利要求1所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，步骤2中，跨域深度分析的过程为：对来自紧密交织的空间和频谱编码器的跨域特征采用全局平均池化在每个特征通道上聚合产生通道方向的统计量，再
5.根据权利要求1所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，步骤3中，双解码处理冠状动脉的多尺度特征的过程包括第一次解码过程和第二次解码过程，第一次解码过程为U-net风格解码过程；第二次解码过程为多尺度熵感知特征融合解码过程，在多个尺度上分别融合特征图和特征图对应尺度上局部熵，获得冠状动脉的分割结果。
6.根据权利要求5所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，第一次解码过程的过程为：对待解码特征图执行传统的U-net风格解码，获得逐渐解码的特征图。
7.根据权利要求6所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，第二次解码过程中的过程为：首先对第一次解码过程解码获得的不同的多个尺度的特征进行大小统一，再利用sigmoid函数得到每个尺度分割目标分布的概率图，然后基于每个尺度的权重组合缩放对应的概率图获得最终的概率图，最后对最终的概率图应用argmax函数获得冠状动脉的分隔结果；其中，每个尺度的权重基于每个尺度的熵估计获取，每个尺度的熵估计由每个尺度的概率图获取。
8.一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割系统，其特征在于，包括图像获取模块、空间编码器、频谱编码器、三角星跨域特征融合模块和解码器，图像获取模块用于获取CCTA图像，空间编码器用于以空间域编码路径全面探索冠状动脉特征获取空间特征，频谱编码器用于频谱域编码路径全面探索冠状动脉特征，并结合设计的三阶段注意力介导的傅里叶结构获取频率特征；三角星跨域特征融合模块用于以成对交互路径跨域深度分析分割冠状动脉，获得冠状动脉的待解码三角星跨域融合特征图；解码器采用局部熵感知双解码过程多尺度处理冠状动脉的待解码三角星跨域融合特征图，待解码三角星跨域融合特征图结合每个尺度相关的局部熵获取冠状动脉分割结果。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，步骤1中，在空间域编码路径上，使用残差块和下采样操作在空间域中提取空间特征；
3.根据权利要求2所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，设计的三阶段注意力介导的傅里叶结构动态地在频谱域内调节血管的全局特征，具体过程如下：通过快速傅里叶变换获得特征的频谱域表示，包括实部和虚部，通过双通道注意力调制频率特征的实部和虚部，通过在实部和虚部上分别独立执行全局平均池化获取对应的通道描述符，再使用两个卷积层和sigmoid函数激活来获得自适应的注意力权重，最后通过快速傅里叶逆变换将处理过的信息x″映射回其原始潜在空间。
4.根据权利要求1所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，步骤2中，跨域深度分析的过程为：对来自紧密交织的空间和频谱编码器的跨域特征采用全局平均池化在每个特征通道上聚合产生通道方向的统计量，再将通道级统计量采用通道级软注意力获取特征权重向量，最后以特征权重向量为指导整合跨域特征，获取待解码三角星跨域融合特征。
5.根据权利要求1所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分割方法，其特征在于，步骤3中，双解码处理冠状动脉的多尺度特征的过程包括第一次解码过程和第二次解码过程，第一次解码过程为u-net风格解码过程；第二次解码过程为多尺度熵感知特征融合解码过程，在多个尺度上分别融合特征图和特征图对应尺度上局部熵，获得冠状动脉的分割结果。
6.根据权利要求5所述的基于空间-频谱跨域编码与熵感知双解码的医学图像分...
【专利技术属性】
技术研发人员：董彩霞，徐颂华，李宗芳，徐宗本，
申请(专利权)人：西安交通大学医学院第二附属医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。