公开(公告)号：CN114359310B

公开(公告)日：2024-06-04

申请号：CN202210035567.7

申请日：2022-01-13

申请人： 浙江大学

发明人： 董舜杰 ,  潘子宣 ,  卓成 ,  付钰

IPC分类号： G06T7/11 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

摘要： 本发明公开了一种基于深度学习的3D心室核磁共振视频分割优化系统，该系统通过深度时空可变形卷积融合模块TDAM获取MRI视频段中高维图像特征；利用增强可变形卷积注意力网络TDAM得到的高维图像特征中时空信息，将不同尺度的特征图融合后输出带有多尺度信息的特征图；通过概率噪声校正模块PNCM得到高维图像特征的分布，输出包含分布均值和方差信息的嵌入向量；EDAN输出的特征图与PNCM输出的嵌入向量扩展后进行拼接卷积得到预测结果。利用训练好的网络模型对新输入的3D心室MRI视频直接进行分割，通过引入多帧图像补偿、可变形卷积以及多尺度注意力机制，能有效地提高心室分割的准确度和效率，并具有较高的鲁棒性。

公开(公告)号：CN114359310A

公开(公告)日：2022-04-15

申请号：CN202210035567.7

申请日：2022-01-13

申请人： 浙江大学

发明人： 董舜杰 ,  潘子宣 ,  卓成 ,  付钰

IPC分类号： G06T7/11 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的3D心室核磁共振视频分割优化系统，该系统通过深度时空可变形卷积融合模块TDAM获取MRI视频段中高维图像特征；利用增强可变形卷积注意力网络TDAM得到的高维图像特征中时空信息，将不同尺度的特征图融合后输出带有多尺度信息的特征图；通过概率噪声校正模块PNCM得到高维图像特征的分布，输出包含分布均值和方差信息的嵌入向量；EDAN输出的特征图与PNCM输出的嵌入向量扩展后进行拼接卷积得到预测结果。利用训练好的网络模型对新输入的3D心室MRI视频直接进行分割，通过引入多帧图像补偿、可变形卷积以及多尺度注意力机制，能有效地提高心室分割的准确度和效率，并具有较高的鲁棒性。