一种基于空间通道重构的心脏MRI图像分割方法及系统

本发明属于心脏mri图像分割领域，尤其涉及一种基于空间通道重构的心脏mri图像分割方法及系统。

背景技术：

1、在医学图像分析领域，特别是在心脏磁共振成像（mri）的应用中，精确的图像分割对心血管疾病的诊断和管理至关重要。对左心室（lv）和右心室（rv）等关键解剖结构的详细分割不仅为临床医生提供了评估心脏功能、形态和潜在病理的强大工具，还帮助制定早期干预策略，从而显著改善患者的预后。

2、心脏mri图像分割面临多重挑战，包括图像对比度低、部分体积效应以及患者之间显著的解剖差异，这些因素都使得实现高保真度的分割变得困难；传统的心脏mri图像分割方法主要依赖专家进行的手动描绘，这一过程不仅劳动密集、耗时，而且容易受到观察者间变异的影响，从而限制了其在大规模应用中的适用性；深度学习的出现，特别是卷积神经网络（cnns）的引入，通过以前所未有的准确性和效率自动化心脏mri分割过程，彻底改变了这一领域；在各种cnn架构中，u-net及其变体因其能够捕获局部和全局上下文信息的能力，已成为医学图像分割任务中的首选。

3、尽管深度学习方法在心脏医学图像分割中应用广泛且效果显著，能提供准确的结果，但仍面临以下问题：

4、1.局部依赖操作和卷积的局部性限制了模型感受野的扩展，难以捕捉心室的位置和形状特征，而增加网络深度虽然能扩展感受野，但也增加了计算复杂度和训练难度。

5、2.医学图像分割模型往往需要处理高分辨率图像的复杂细节，导致模型参数众多，增加了对计算资源的需求。这一局限性在网络的深层尤为明显，使得感受野难以覆盖整个输入图像。

6、因此，现有的心脏mri图像分割方案在高效性和鲁棒性上存在不足。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种基于空间通道重构的心脏mri图像分割方法及系统，引入带有多尺度扩展transformer的空间通道卷积块，捕获多尺度上下文信息并扩大感受野，提高心脏mri图像分割的高效性和鲁棒性。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种基于空间通道重构的心脏mri图像分割方法。

4、一种基于空间通道重构的心脏mri图像分割方法，包括：

5、获取待分割的心脏mri图像；

6、将心脏mri图像输入到训练好的分割模型中，得到分割好的心脏mri图像；

7、其中，所述分割模型是在u-net结构上，引入带有多尺度扩展transformer的空间通道卷积块，结合局部稀疏卷积块和滑动窗口膨胀注意力操作，进行空间通道重构，捕获多尺度上下文信息并扩大感受野。

8、进一步的，所述分割模型包括编码器、瓶颈和解码器；

9、所述编码器由多个编码块组成，所述编码块由残差u块和池化层组成；

10、所述瓶颈由带有多尺度扩展transformer的空间通道卷积块和池化层组成；

11、所述解码器由多个解码块组成，所述解码块由残差u块和池化层组成。

12、进一步的，所述残差u块，首先通过逐渐降低采样率进行局部和全局特征的提取，然后通过上采样、特征级联和卷积融合成高分辨率图，得到多尺度特征。

13、进一步的，所述带有多尺度扩展transformer的空间通道卷积块由依次连接的空间和通道卷积块、多尺度窗口注意力层组成；

14、所述空间和通道卷积块，用于对多尺度特征进行压缩和精炼，实现得到重构后的多尺度特征；

15、所述多尺度窗口注意力层，用于建模多尺度特征中的长程依赖关系，得到增强后的多尺度特征。

16、进一步的，所述空间和通道卷积块，包括空间重构卷积和通道重构卷积；

17、所述空间重构卷积，采用分离和重构操作，根据空间内容特征区分信息丰富和信息贫乏的两个特征图，两个特征图通过交叉重构操作合并成空间细化特征图；

18、所述通道重构卷积，采用分割和变换操作，将输入的特征图分为一个富含代表性特征的特征图和一个补充细节信息的特征图，将两个特征图进行加权融合，得到重构后的多尺度特征。

19、进一步的，所述多尺度窗口注意力层，在不同尺度的滑动窗口内选择代表性的查询、键和值，并执行自注意力操作。

20、进一步的，所述多尺度窗口注意力层，具体操作为：

21、给定特征图，通过线性投影得到相应的查询、键和值；

22、特征图的通道被分成多个不同的头，每个头使用不同的膨胀率进行多尺度滑动窗口膨胀注意力。

23、本发明第二方面提供了一种基于空间通道重构的心脏mri图像分割系统。

24、一种基于空间通道重构的心脏mri图像分割系统，包括获取模块和分割模块：

25、获取模块，被配置为：获取待分割的心脏mri图像；

26、分割模块，被配置为：将心脏mri图像输入到训练好的分割模型中，得到分割好的心脏mri图像；

27、其中，所述分割模型是在u-net结构上，引入带有多尺度扩展transformer的空间通道卷积块，结合局部稀疏卷积块和滑动窗口膨胀注意力操作，进行空间通道重构，捕获多尺度上下文信息并扩大感受野。

28、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种基于空间通道重构的心脏mri图像分割方法中的步骤。

29、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种基于空间通道重构的心脏mri图像分割方法中的步骤。

30、以上一个或多个技术方案存在以下有益效果：

31、本发明提出了一种基于多尺度膨胀transformer的空间通道卷积块（scc-mswa），结合了局部稀疏卷积块和滑动窗口膨胀注意力操作，它不仅有效捕获多尺度上下文信息并扩大感受野，还显著降低了计算复杂度，提高心脏mri图像分割的高效性和鲁棒性。

32、本发明引入了一种新颖的残差u块（rsu）技术，在不同阶段捕捉多尺度特征并提取丰富的上下文信息，增强了特征提取和非线性映射，以显著提升复杂心脏解剖结构的分割能力。

33、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于空间通道重构的心脏mri图像分割方法，其特征在于，包括：

2.如权利要求1所述的一种基于空间通道重构的心脏mri图像分割方法，其特征在于，所述分割模型包括编码器、瓶颈和解码器；

3.如权利要求2所述的一种基于空间通道重构的心脏mri图像分割方法，其特征在于，所述残差u块，首先通过逐渐降低采样率进行局部和全局特征的提取，然后通过上采样、特征级联和卷积融合成高分辨率图，得到多尺度特征。

4.如权利要求2所述的一种基于空间通道重构的心脏mri图像分割方法，其特征在于，所述带有多尺度扩展transformer的空间通道卷积块由依次连接的空间和通道卷积块、多尺度窗口注意力层组成；

5.如权利要求4所述的一种基于空间通道重构的心脏mri图像分割方法，其特征在于，所述空间和通道卷积块，包括空间重构卷积和通道重构卷积；

6.如权利要求5所述的一种基于空间通道重构的心脏mri图像分割方法，其特征在于，所述多尺度窗口注意力层，在不同尺度的滑动窗口内选择代表性的查询、键和值，并执行自注意力操作。

7.如权利要求6所述的一种基于空间通道重构的心脏mri图像分割方法，其特征在于，所述多尺度窗口注意力层，具体操作为：

8.一种基于空间通道重构的心脏mri图像分割系统，其特征在于，包括获取模块和分割模块：

9.一种电子设备，其特征是，包括：

10.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述计算机可读指令由计算机执行时，执行权利要求1-7任一项所述的方法。

技术总结本发明提出了一种基于空间通道重构的心脏MRI图像分割方法及系统，涉及心脏MRI图像分割领域，具体方案包括：获取待分割的心脏MRI图像；将心脏MRI图像输入到训练好的分割模型中，得到分割好的心脏MRI图像；其中，所述分割模型是在U‑Net结构上，引入带有多尺度扩展Transformer的空间通道卷积块，结合局部稀疏卷积块和滑动窗口膨胀注意力操作，进行空间通道重构，捕获多尺度上下文信息并扩大感受野；本发明引入带有多尺度扩展Transformer的空间通道卷积块，捕获多尺度上下文信息并扩大感受野，提高心脏MRI图像分割的高效性和鲁棒性。技术研发人员：郝慧娟,王文鹏,张让勇,郝凤琦,白金强,程广河受保护的技术使用者：齐鲁工业大学（山东省科学院）技术研发日：技术公布日：2024/11/14