南昌航空大学梁俊杰获国家专利权
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!
龙图腾网获悉南昌航空大学申请的专利一种基于掩码注意力机制的脑肿瘤MRI图像分割方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114972378B 。
龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210573022.1,技术领域涉及:G06T7/11;该发明授权一种基于掩码注意力机制的脑肿瘤MRI图像分割方法是由梁俊杰;杨词慧;叶小丽设计研发完成,并于2022-05-24向国家知识产权局提交的专利申请。
本一种基于掩码注意力机制的脑肿瘤MRI图像分割方法在说明书摘要公布了:本发明公开了一种基于掩码自注意力机制的脑肿瘤MRI图像分割方法,所述分割方法包括:S1:构建一个3DMaskedSwinTransformer模块;S2:构建一个三维医学图像分割模型;S3:获取原始医学图像数据集,对原始医学图像数据集进行数据预处理,并将预处理后的医学图像数据集划分为训练集和测试集;S4:设置网络模型训练的超参数和在线数据增强方法,使用所述训练集训练三维医学图像分割模型;S5:使用训练完成的三维医学图像分割模型对原始脑部MRI医学图像中的肿瘤区域进行分割。本发明的优点在于:此方法能够有效地将Transformer应用至医学图像分割中,泛化能力强,抗干扰能力和分割准确率高。
本发明授权一种基于掩码注意力机制的脑肿瘤MRI图像分割方法在权利要求书中公布了:1.一种基于掩码注意力机制的脑肿瘤MRI图像分割方法,其特征在于,该方法包括以下步骤: S1:基于标准的SwinTransformer模块构建一个3DMaskedSwinTransformer模块; 所述3DMaskedSwinTransformer模块由3DMaskedSwinTransformer模块A和3DMaskedSwinTransformer模块B组成; 所述3DMaskedSwinTransformer模块A由第一LayerNormalization层、3DWindowbasedMulti-headMaskedSelfAttention层、第二LayerNormalization层和第一Multi-LayerPerceptron层依次连接组成,其中在第一LayerNormalization层的输入端和3DWindowbasedMulti-headMaskedSelfAttention层的输出端之间添加残差连接,在第二LayerNormalization层的输入端和第一Multi-LayerPerceptron层的输出端之间添加残差连接; 所述3DMaskedSwinTransformer模块B由第三LayerNormalization层、3DShiftedWindowbasedMulti-headMaskedSelfAttention层、第四Layer Normalization层和第二Multi-LayerPerceptron层依次连接组成,其中在第三LayerNormalization层的输入端和3DShiftedWindowbasedMulti-headMaskedSelfAttention层的输出端之间添加残差连接,在第四LayerNormalization层的输入端和第二Multi-LayerPerceptron层的输出端之间添加残差连接; S2:构建一个三维医学图像分割模型A;所述三维医学图像分割模型A由基于3DMaskedSwinTransformer模块的编码器模块和解码器模块组成;所述三维医学图像分割模型A的输入为经过数据预处理的脑部MRI医学图像,输出为肿瘤区域分割结果; 所述基于3DMaskedSwinTransformer模块的编码器模块由3DPatchPartition模块、第一3DMaskedSwinTransformer模块、第一下采样模块、第二3DMaskedSwinTransformer模块、第二下采样模块、第三3DMaskedSwinTransformer模块、第三下采样模块和第四3DMaskedSwinTransformer模块依次连接组成;所述解码器模块由第一上采样模块、第一跳跃连接模块、第一解码模块、第二上采样模块、第二跳跃连接模块、第二解码模块、第三上采样模块、第三跳跃连接模块、第三解码模块和分割头依次连接组成;所述第一跳跃连接模块、第二跳跃连接模块和第三跳跃连接模块均由CrossAttention块和特征融合块依次连接组成,所述第一跳跃连接模块、第二跳跃连接模块和第三跳跃连接模块均具有两路输入路径和一路输出路径; 其中,所述第一3DMaskedSwinTransformer模块的输出路径分为两路,第一路的输出输入到第一下采样模块中,第二路的输出输入到第三跳跃连接模块的第二输入路径中;所述第二3DMaskedSwinTransformer模块的输出路径分为两路,第一路的输出输入到第二下采样模块中,第二路的输出输入到第二跳跃连接模块的第二输入路径中;所述第三3DMaskedSwinTransformer模块的输出路径分为两路,第一路的输出输入到第三下采样模块中,第二路的输出输入到第一跳跃连接模块的第二输入路径中;所述第四3DMaskedSwinTransformer模块的输出路径为一路,该路径的输出输入到所述解码器模块的第一上采样模块中;所述第一上采样模块的输出输入到第一跳跃连接模块的第一输入路径中,所述第一跳跃连接模块的输出输入到第一解码模块中;所述第二上采样模块的输出输入到第二跳跃连接的第一输入路径中,所述第二跳跃连接模块的输出输入到第二解码模块中;所述第三上采样模块的输出输入到第三跳跃连接的第一输入路径中,所述第三跳跃连接模块的输出输入到第三解码模块中;所述第三解码模块的输出输入到分割头中,分割头最后输出得到所需分割结果; S3:获取原始医学图像数据集,对原始医学图像数据集进行数据预处理,并将预处理后的医学图像数据集划分为训练集和测试集;获取原始医学图像数据集,所述原始医学图像数据集中每张原始脑部MRI医学图像均包括It1、It2、It1ce、Iflair四个模态的三维图像,以及含有肿瘤标注标签信息的真实标签三维图像;对所述原始医学图像数据集中的每一张原始脑部MRI医学图像进行数据预处理,得到经过数据预处理后的脑部MRI医学图像,所有经过数据预处理后的脑部MRI医学图像组合在一起形成经过数据预处理后的医学图像数据集;最后,将所述经过数据预处理后的医学图像数据集划分为训练集和测试集,划分比例分别为α,1-α,其中α为设定的参数; S4:设置网络模型训练的优化器、迭代次数e、初始学习率l、损失函数以及在线数据增强方法,使用所述训练集训练所述步骤S2构建的三维医学图像分割模型A,得到训练完成的三维医学图像分割模型B,并用所述测试集对三维医学图像分割模型B训练效果进行评估测试; S5:使用所述三维医学图像分割模型B对原始脑部MRI医学图像中的肿瘤区域进行分割;对原始脑部MRI医学图像进行数据预处理,得到经过数据预处理后的脑部MRI医学图像,将经过数据预处理后的脑部MRI医学图像传入所述步骤S4的训练完成的三维医学图像分割模型B进行预测,得到分割结果。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南昌航空大学,其通讯地址为:330000 江西省南昌市丰和南大道696号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
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。