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：浙江大学

摘要：本发明公开了一种基于改进U‑Net网络的多模态脑卒中梗死区域图像处理方法，获取患者的脑部医学影像并输入到上位机中，包括脑血流量图、脑血容量图和弥散加权成像影像，使用综合分析工具库3DSlicer对同一患者的脑血流量图和脑血容量图的2个模态的数据，以弥散加权成像影像为基准进行匹配，获得配准后的NIFIT格式文件；使用训练好的U‑NetAttention网络对配准后的NIFIT格式文件进行分割得到二维分割结果影像，并在上位机中显示输出结果影像。本发明通过空间和通道注意力权重的计算，加强对底层特征图中对最终梗死区域分割结果相关的区域的关注度，从而提升模型的预测水平。

主权项：1.一种基于改进U-Net网络的多模态脑卒中梗死区域图像处理方法，其特征在于:获取患者的脑部医学影像并输入到上位机中，包括脑血流量图、脑血容量图和弥散加权成像影像，使用综合分析工具库3DSlicer对同一患者的脑血流量图和脑血容量图的2个模态的数据，以弥散加权成像影像为基准进行匹配，获得配准后的NIFIT格式文件；使用训练好的U-NetAttention网络对配准后的NIFIT格式文件进行分割得到二维分割结果影像，并在上位机中显示输出结果影像；所述U-NetAttention网络包括以U-Net网络作为基线模型，在基线模型的长连接处引入注意力机制模块进行改进，通过编解码器的特征图计算权重来在低层特征图中强调目标区域；所述注意力机制模块包括通道注意力权重计算和空间注意力权重计算：1空间注意力权重计算通过两个1×1的卷积分别提取编解码器的特征，得到注意力分布F和注意力得分A公式如下：Fxl,xh＝σ1wαxl+bα+σ1wβxh+bβ公式1A＝σ2wγFxl,xh+bγ公式2其中，xl为来自编码器的低层特征图，xh为来自解码器的高层特征图，xl和xh是注意力模块的输入，σ1为Relu激活函数，σ2为Sigmoid激活函数，wα、wβ、wγ和bα、bβ、bγ分别代表卷积的参数和偏置；2通道注意力权重计算通过全局平均池化操作先将整个特征图的空间尺寸压缩为1×1，经过全局平均池化GAP操作后的通道特征图再通过卷积生成通道上的注意力权重，并与低层特征相乘最终实现在通道上的注意力权重计算： 其中，xi,j为特征图中位置为i,j的元素，W和H代表特征图的二维空间的大小。

全文数据：

权利要求：

百度查询： 浙江大学 基于改进U-Net网络的多模态脑卒中梗死区域图像处理方法