摘要
本发明公开了一种颅内动脉瘤自动分割方法和系统,方法包括:构建脑血管分割预训练网络并获得预训练模型权重、构建颅内动脉瘤分割网络;动脉瘤分割网络由双分支动脉‑动脉瘤编码器和动脉瘤解码器组成,构建分组自适应查询注意力机制,利用编码器的动脉特征增强动脉瘤特征表达,并减小动脉结构对动脉瘤分割的干扰;在动脉瘤解码器的深度监督框架中构建深度可分离空洞卷积模块,通过三个并行的深度可分离空洞卷积分支捕获多尺度特征。对颅内动脉结构与动脉瘤的上下文关系进行建模,迁移预训练的血管特征指导动脉瘤分割,减小依赖预分割动脉结构可能带来的不稳定性,实现对多种尺寸动脉瘤的精准分割。
技术关键词
自动分割方法
预训练网络
编码特征
编码器
融合特征
空洞
预训练模型
多尺度特征提取
卷积模块
Sigmoid函数
自动分割系统
解码器架构
线性
注意力机制
阶段
系统为您推荐了相关专利信息
图像识别方法
图像块
可执行程序代码
编码特征
样本
产品质量检测系统
淋膜生产线
多任务深度学习模型
运动补偿模块
多尺度特征融合