CN118365884B 用于三维磁共振图像的双向注意力并行网络分割方法 （河北工程大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN118365884B(45)授权公告日2025.07.01

(21)申请号202410541183.1

(22)申请日2024.04.30

(65)同一申请的已公布的文献号申请公布号CN118365884A

(43)申请公布日2024.07.19

(73)专利权人河北工程大学

地址056000河北省邯郸市经济技术开发

区太极路19号

(72)发明人王冬生徐铁真杨立洁

(74)专利代理机构北京孚睿湾知识产权代理事务所(普通合伙)11474

专利代理师刘翠芹

(51)Int.CI.

GO6V10/26(2022.01)

GO6V10/44(2022.01)

GO6V10/80(2022.01)

GO6V10/764(2022.01)

GO6V10/82(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

GO6N3/048(2023.01)

GO6N3/08(2023.01)

G06T7/11(2017.01)

(56)对比文件

CN111932550A,2020.11.13CN115830041A,2023.03.21审查员张露

权利要求书3页说明书9页附图4页

(54)发明名称

用于三维磁共振图像的双向注意力并行网络分割方法

(57)摘要

CN118365884B本发明涉及深度学习、计算机辅助医疗和医学影像处理技术领域，具体为一种用于三维磁共振图像的双向注意力并行网络分割方法，其包括：S1、改进通道注意力机制模块处理三维磁共振图像，获得三维磁共振图像特征图；S2、构建平行空间注意力机制模块，处理三维磁共振图像特征图，得到三维磁共振图像输入块；S3、构建双线并行模式，对三维磁共振图像输入块进行特征拼接；S4、对三维磁共振图像进行三重一致性训练，完成三维磁共振图像的分割操作。本发明通过构造通道注意力机制和平行空间注意力机制提取到空间和通道特征，结合一致性训练与熵正则化，让子模型互相学习，实现更准确判断；通过对

CN118365884B

改进通道注意力机制模块处理三维磁共振图像

改进通道注意力机制模块处理三维磁共振图像,获得三维磁共振图像特征图

构建平行空间注意力机制模块，处理三维磁共振图像特征图，得到三维磁共振图像输入块

构建双线并行模式，对三维磁共振图像输入块进行特征拼接

对三维磁共振图像进行三重一致性训练，完成三维磁共振图像的分割操作

CN118365884B权利要求书1/3页

2

1.一种用于三维磁共振图像的双向注意力并行网络分割方法，其特征在于，其包括：

S1:改进通道注意力机制模块处理三维磁共振图像，获得三维磁共振图像特征图，具体

包括以下子步骤：

S11:将输入三维磁共振图像X进行全局平均池化操作来得到聚合特征；对一个相邻通道进行快速一维卷积获得对应的通道权重；

S12:在将步骤S11中的通道权重经sigmoid(σ)函数激活后，得到归一化权重，与输入三维磁共振图像X相乘；把前面得到的归一化权重加权到通道注意力机制模块的每个通道的特征上；

步骤S12中的通道注意力机制模块通过两个并列子模块并行处理，第一子模块为自适应平均池化模块，第二子模块为自适应最大池化处理模块；经过连续快速卷积之后，将两个子模块得到的结果在通道维度上进行拼接后再进行一个三维卷积操作；融合两个子模块的信息特征；

S13:将步骤S12得到的通道注意力机制模块与三维卷积神经网络堆叠，得到改进通道注意力机制模块，利用改进通道注意力机制模块处理三维磁共振图像获得三维磁共振图像特征图；

S2:构建平行空间注意力机制模块，处理三维磁共振图像特征图，得到三维磁共振图像

输入块，具体包括以下子步骤：

S21:通过步骤S1中的三维磁共振图像特征图的空间内部关系产生空间注意力特征图；沿着通道轴对空间注意力特征图分别进行平均池化和最大池化操作；并将得到的两张空间注意力特征图在通道维度上进行拼接；

S22:使用卷积核进行卷积操作融合三维磁共振图像信息，将卷积后的结果经过sigmoid函数对空间注意力特征图的空间权重归一化