一种基于深度学习的协同双路径的微观组织结构估计的方法及系统

一种基于深度学习的协同双路径的微观组织结构估计的方法及系统，涉及医学图像处理技术领域。本发明的目的是为了解决现有的基于深度学习的微观组织结构估计方法在建模机制存在缺陷，尤其在x空间与q空间之间缺乏有效的信息传递机制，导致模型对结构表达能力不足，估计精度不高等问题。技术要点：本发明设计了一个协同双路径混合神经网络，以增强异构域中的特征表达。通过将三维x空间嵌入到q空间表示中，本发明考虑了x空间中体素的上下文信息，从而实现了异构域之间的兼容学习；同时，qx学习分支将q空间的角度信息传递回x空间，进一步提升了x空间的特征表达能力。最后，基于注意力机制的融合模块通过自适应地加权双路径的输出，进一步增强了模型的鲁棒性。基于HCP数据的大量实验表明，本发明显著提升了微观结构指标图的质量。