申请/专利权人:沈阳工业大学
申请日:2024-01-26
公开(公告)日:2024-04-12
公开(公告)号:CN117876444A
主分类号:G06T7/33
分类号:G06T7/33;G06T7/00;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了基于STCWSF‑UNet(SwinTransformer,ConvFormerWithSkipFusion‑UNet)的脑部核磁共振(MagneticResonance,MR)图像配准方法,该方法包括:设计STCWSF‑UNet的编码器结构,在编码器部分使用SwinTransformer模块进行特征提取,扩大了模型的感受野,使模型更有效地捕捉图像中的局部和全局信息,从而建立图像之间的长距离空间对应关系,并且在编码器的最后阶段引入卷积注意力模块(ConvFormer),在保留位置信息的基础上减小特征尺寸,通过以上操作解决了网络感受野受限,注意力崩溃问题;设计STCWSF‑UNet的解码器部分结构,在原U‑Net解码器结构基础上引入SkipFusion模块的解码器结构,利用SkipFusion解码器的组卷积和逐点卷积能够有效地进行特征融合并提高特征图的分辨率,同时保留重要特征;完成对STCWSF‑UNet模型的训练;使用评价指标评估模型的配准性能。
主权项:1.一种基于STCWSF-UNet的脑部MR图像配准方法,其特征在于:该方法具体包括:步骤1:数据预处理:对公开数据集IXI中脑部MR图像进行预处理,并对预处理后的数据集划分训练集和测试集;步骤2:将预处理后的图像作为输入对STCWSF-UNet模型训练;步骤2.1:设计STCWSF-UNet的编码器结构;步骤2.2:设计STCWSF-UNet的解码器部分结构;步骤2.3:完成对STCWSF-UNet模型的训练;步骤3:测试与评估:将基于步骤2中得到的训练后的STCWSF-UNet模型进行保存,并对该模型进行测试,对获得的测试结果使用评价指标评估模型的配准性能。
全文数据:
权利要求:
百度查询: 沈阳工业大学 一种基于STCWSF-UNet的脑部MR图像配准方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。