(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210030012.3 (22)申请日 2022.01.12 (65)同一申请的已公布的文献号 申请公布号 CN 114066913 A (43)申请公布日 2022.02.18 (73)专利权人 广东工业大 学 地址 510062 广东省广州市越秀区东 风东 路729号 (72)发明人 曾安　谢锐伟　潘丹　杨宝瑶　 张逸群　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 代理人 禹小明 (51)Int.Cl. G06T 7/11(2017.01) G06V 10/44(2022.01)G06V 10/80(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111488872 A,2020.08.04 CN 113706544 A,2021.1 1.26 CN 1098012 94 A,2019.0 5.24 US 2008205716 A1,20 08.08.28 CN 113744210 A,2021.12.0 3 CN 114066913 A,202 2.02.18 WO 2017193251 A1,2017.1 1.16 US 2019279361 A1,2019.09.12 CN 111062948 A,2020.04.24 谢文鑫 等.基 于全卷积神经网络的左心室 图像分割方法. 《软件导刊》 .2020,(第0 5期), 审查员 周苏玲 (54)发明名称 一种心脏图像分割方法及系统 (57)摘要 本发明提出了一种心脏图像 分割方法， 通过 引入位置编码矩阵， 可以获取到图像统一的相对 位置信息； 同时采用具备强大的高维度特征信息 提取功能的多层感知器的提取， 并将高维信息与 编码产生的低维信息进行拼接； 最后通过构建三 维切面多通道融合模型实现对心脏图像端到端 的分割， 有效提高心脏图像的分割精度和分割效 率； 本发明还提出一种心脏图像分割系统， 用于 实现一种心脏图像 分割方法， 整个系统模型结构 简单， 计算量少， 适用于现有的临床诊断和治疗 过程。 权利要求书3页 说明书8页 附图4页 CN 114066913 B 2022.04.22 CN 114066913 B 1.一种心脏图像分割方法， 其特 征在于， 包括以下步骤： S1： 获取不同分辨 率的原始心脏图像并进行 下采样处 理， 得到分辨 率一致的心脏图像； S2： 训练心脏图像的位置编码矩阵； S3： 将心脏图像的心脏信息与位置编码矩阵进行体素点相加， 使每个心脏图像同一个 体素信息与位置编码信息对应， 得到图像统一的相对位置信息； S4： 利用多层感知器对相对位置信息进行 数据处理， 获取高维度特 征图； S5： 对相对位置信息连续进行多层编码， 前一层的编码结果作为下一层的编码输入， 得 到每层编码结果， 并根据最后一层编码结果获取低维度特 征图； S6： 将高维度特 征图和低维度特 征图进行拼接， 然后对拼接结果进行初次解码； S7： 构建三维切面多通道融合模型， 对每层编码结果分别进行三维切面多通道融合， 得 到每次编码对应的多通道融合数据； S8： 记初次解码结果为当前层解码结果， 最后一次编码对应的多通道融合数据为当前 层多通道融合数据； S9： 将当前层解码结果与当前层多通道融合数据进行拼接并进行解码， 将解码结果作 为当前层解码结果； 更新当前层多通道融合数据为前一层编码对应的多通道融合数据； S10： 判断当前层多通道融合数据是否为第一层编码对应的多通道融合数据， 若是， 则 执行步骤S1 1； 否则， 执 行步骤S9； S11： 对当前层  解码结果进行分割操作， 完成心脏图像的分割。 2.根据权利要求1所述的一种心脏图像分割方法， 其特征在于， 在所述步骤S2中， 所述 位置编码矩阵是一个与心脏图像大小一致的矩阵， 该矩阵训练前为 随机参数； 通过对位置 编码矩阵进行迭代训练， 其逐步会统一融合心脏分割区域的特征信息并对参数进行更新， 直至符合应用需求， 完成对其训练过程； 其训练过程具体为： 将用于训练心脏图像集逐个输入位置编码矩阵中， 此时图像的每一个体素点对应位置 编码矩阵中一个位置信息， 该位置信息会随着训练不断的迭代更新， 最后将训练心脏图像 集中不同图像同一个 体素点的位置信息进行融合， 形成统一的相对位置信息 。 3.根据权利要求1所述的一种心脏图像分割方法， 其特征在于， 在所述步骤S4中， 所述 多层感知器采用transformer模块实现， 其对相对位置信息先进行步伐为32的卷积操作， 然 后再进行数据压平、 数据转置以及数据随机Dr opout操作， 从而获取相对位置信息中的高维 度特征图。 4.根据权利要求1所述的一种心脏图像分割方法， 其特征在于， 在所述步骤S5中， 每一 层编码的过程具体为： 先对编 码输入数据进行步伐为 1的三维卷积， 再使用relu激活函数进 行激活处理， 然后对激活处理结果进行步伐为2的三 维卷积， 最后再relu激活函数再一次进 行激活， 完成该层的编 码过程， 得到对应的编码结果； 在所述步骤S6中， 解码的过程具体为： 先对解码输入 数据进行步伐为1的卷积操作， 再使用relu激活函数进 行激活， 然后对激活处 理结果进行步伐为2的三维卷积， 再使用relu激活函数进行激活， 最后进行步伐为2的上卷 积操作， 完成解码过程。 5.根据权利要求1~4任一项所述的一种心脏图像分割方法， 其特征在于， 在所述步骤S7 中， 三维切面多通道融合模型将编码结果根据高度、 宽度、 深度切分成平面得到多个数据切 面； 将三维切面多通道融合模型所有通道在高度、 宽度、 深度的同一个数据切面进 行平均池权　利　要　求　书 1/3 页 2 CN 114066913 B 2化处理， 平均池化后得到高度注意力系数， 宽度注意力系数， 深度注意力系数； 由于三种切 面会有交集， 当它们处于中间切面时， 其对应的注意力系数会偏高， 因此将其进 行相乘后所 得到的结果作为每次编 码对应的多通道融合数据， 使三 维切面多通道融合模型对分割区域 更加感兴趣提高分割性能。 6.一种心脏 图像分割系统， 其特征在于， 包括图像获取模块、 位置编码矩阵训练模块、 相对位置信息处理模块、 高维度特征图获取模块、 编码模块、 图像拼接模块、 解码模块、 多通 道融合模块、 判断模块和分割模块； 其中： 所述图像获取模块用于获取不同分辨率的原始心脏图像并进行下采样处理， 得到分辨 率一致的心脏图像； 所述位置编码矩阵训练模块用于训练心脏图像的位置编码矩阵； 所述相对位置信息处理模块用于将心脏图像的心脏信息与位置编码矩阵进行体素点 相加， 使每个心脏图像同一个体素信息与位置编码信息对应， 获取图像统一的相对位置信 息； 所述高维度特征图获取模块内设置有多层感知器， 通过多层感知器对相对位置信 息进 行数据处理， 获取高维度特 征图； 所述编码模块用于对相对位置信 息连续进行多层编码， 前一层的编码结果作为下一层 的编码输入， 得到每层编码结果， 并根据最后一层编码结果获取低维度特 征图； 所述多通道融合模块中构建有三维切面多通道融合模型， 用于对每层编码结果分别进 行三维切面多通道融合， 得到每次编码对应的多通道融合数据； 所述解码模块用于对高维度特征图和低维度特征图的拼接结果进行初次解码或用于 对当前层解码结果与当前层多通道融合数据进行拼接结果进行解码； 所述图像拼接模块用于将高维度特征图和低维度特征图进行拼接或用于对当前层解 码结果与当前层多通道融合数据进行拼接； 所述判断模块用于判断当前层多通道融合数据是否为第一层编码对应的多通道融合 数据， 若是， 则由所述分割模块对当前层  解码结果进 行分割操作， 完成心脏图像的分割； 否 则， 继续由所述图像拼接模块、 解码模块进行 数据的拼接和解码 操作； 其中， 所述 解码模块、 图像拼接模块、 判断模块具体执 行以下步骤： A1： 图像拼接模块将高维度特征图和低维度特征图进行拼接后， 由解码模块对高维度 特征图和低 维度特征图的拼接结果进行初次解码， 记初次解码结果为当前层解码结果， 最 后一次编码对应的多通道融合数据为当前层多通道融合数据； A2： 图像拼接模块将当前层解码结果与当前层多通道融合数据进行拼接并由解码模块 进行解码， 将解码结果作为当前层解码结果； 更新当前层多通道融合数据为前一层编码对 应的多通道融合数据； A3： 判断模块判断当前层多通道融合数据是否为第一层编码对应的多通道融合数据， 若是， 则由所述分割模块对当前层  解码结果进 行分割操作， 完成心脏图像的分割； 否则， 返 回执行步骤A2。 7.根据权利要求6所述的一种心脏图像分割系统， 其特征在于， 在所述位置编码矩阵训 练模块中， 其训练的位置编码矩阵是一个与心脏图像大小一致的矩阵， 该矩阵训练前为 随 机参数； 通过对位置编码矩阵进行迭代训练， 其逐步会统一融合心脏分割区域的特征信息权　利　要　求　书 2/3 页 3 CN 114066913 B 3