首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

大脑动脉环多模态分割中时间语义一致性确保方法、装置 

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:厦门理工学院

摘要:本发明提供了大脑动脉环多模态分割中时间语义一致性确保方法、装置,本方法首先,通过引入跨时间对齐和注意力机制,有效整合多模态数据,提高了分割结果的准确性和鲁棒性;其次,开发了时间对齐模块(TAM)和跨时间跨模态注意力模块(CCAM),确保对治疗效果的准确评估;再次,引入了LaplacianEnhancedFourierEncoder(LEFE),显著提升了对细小和复杂血管结构的检测和分割能力;最后,设计了一种新的损失函数,强制不同模态下的语义一致性,提高了跨模态数据处理的一致性和准确性。

主权项:1.一种大脑动脉环多模态分割中时间语义一致性确保方法,其特征在于,包括:获取术前CT1图像和术后MR2图像作为时间对齐模块TAM的输入,生成术前MR1图像和术后CT2图像,形成图像对CM-Pair和MC-Pair;将所述图像对CM-Pair和MC-Pair输入跨时间和跨模态语义一致性网络CTMSC-Net中,生成两个融合特征图Fcm和Fmc,分别对融合特征图Fcm和Fmc进行注意力机制预处理和归一化预处理,得到分割结果和MC-Pair特征,其中,术前CT1图像和术后MR2图像通过基于3DCNN的编码器进行处理,术前MR1图像和术后CT2图像通过Laplacian增强傅里叶编码器LEFE进行处理;分割损失函数Lseg对分割结果和术前CT1图像、术后MR2图像、术前MR1图像、术后CT2图像的真实值进行比较计算处理,损失函数LCMCL对分割结果进行计算处理,根据计算结果,强化不同血管类别模式间的语义一致性;分割损失函数Lseg对分割结果和术前CT1图像、术后MR2图像、术前MR1图像、术后CT2图像的真实值进行比较计算处理,具体为:将术前CT1图像、术后MR2图像、术前MR1图像、术后CT2图像结合多类加权交叉熵损失Lce和Dice系数损失来优化分割精度,计算公式为: 其中,为优化后的分割精度,为多类加权交叉熵损失,为Dice系数损失,为共同区域Ci=1的体素数量,为类别数量,为第c类和第n个像素的真实值,为第c类和第n个像素的预测值;分别对融合特征图Fcm和Fmc进行注意力机制预处理和归一化预处理,得到分割结果和MC-Pair特征,具体为:使用多头注意机制增强融合特征图Fcm,其中,融合特征图Fcm作为查询Q和数值V,融合特征图Fmc作为键K,注意机制计算公式为: 其中,为注意机制计算结果,为归一化函数,为转置操作,为键向量的维度;将增强后的注意力图与融合特征图Fcm的逐元素相乘,并加回到融合特征图Fcm中;通过线性投影层线性化特征,生成增强的特征矩阵Fcm′,增强的特征矩阵Fcm′和融合特征图Fmc通过两个3DU-Net解码器,得到分割结果;将融合特征图Fmc恢复到原始维度;并对恢复后的融合特征图Fmc进行3D卷积和批归一化处理,得到MC-Pair特征;损失函数LCMCL对分割结果进行计算处理,根据计算结果,强化不同血管类别模式间的语义一致性,具体为:跨时间跨模态注意模块CCAM基于共同区域Ci对分割结果进行计算处理,其中,共同区域Ci由两种成像方式中血管分类一致的区域组成,共同区域的公式为: 其中,为第A个CTA图像中第i个体素的真实值,为第A个MRA图像中第i个体素的真实值;在定义共同区域后,使用平方欧几里得距离量化CTA图像和MRA图像分割输出在体素级别的差异,计算公式为: 其中,为第A个CTA图像中第i个体素的预测值,为第A个MRA图像中第i个体素的预测值;通过在所有匹配体素上加上差异并应用共同区域掩码作为权重,计算损失函数LCMCL,计算公式为: 得到总体损失函数,并根据总体损失函数的计算结果,强化不同血管类别模式间的语义一致性,总体损失函数公式为: 其中,为超参数,,,,为CT图像的分割损失,为MR图像的分割损失。

全文数据:

权利要求:

百度查询: 厦门理工学院 大脑动脉环多模态分割中时间语义一致性确保方法、装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术