公开(公告)号：CN111932550A

公开(公告)日：2020-11-13

申请号：CN202010622947.1

申请日：2020-07-01

Applicant: 浙江大学

Inventor： 田梅 ,  董舜杰 ,  卓成 ,  张宏 ,  施政学 ,  赵金龙 ,  张茂俊

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 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系统，该系统包括：MRI数据预处理模块；基于可变形卷积的深度注意力网络：深度时空可变形卷积融合模块TDAM，将时间轴上连续的3D心室MRI视频切片图像输入网络，以获取MRI视频段中高维图像的补偿区域，利用可变形卷积层得到高维图像特征；深度可变形卷积全局注意力模块DGPA，构建可变形卷积注意力模块得到有注意力的特征图，并使用加和注意力模块来抑制不相关的背景，最终得到网络模型。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，该系统通过引入多帧图像补偿、可变形卷积以及加和注意力机制，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：CN111932550B

公开(公告)日：2021-04-30

申请号：CN202010622947.1

申请日：2020-07-01

Applicant: 浙江大学

Inventor： 田梅 ,  董舜杰 ,  卓成 ,  张宏 ,  施政学 ,  赵金龙 ,  张茂俊

IPC: G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 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系统，该系统包括：MRI数据预处理模块；基于可变形卷积的深度注意力网络：深度时空可变形卷积融合模块TDAM，将时间轴上连续的3D心室MRI视频切片图像输入网络，以获取MRI视频段中高维图像的补偿区域，利用可变形卷积层得到高维图像特征；深度可变形卷积全局注意力模块DGPA，构建可变形卷积注意力模块得到有注意力的特征图，并使用加和注意力模块来抑制不相关的背景，最终得到网络模型。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，该系统通过引入多帧图像补偿、可变形卷积以及加和注意力机制，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。