公开(公告)号：CN117495873A

公开(公告)日：2024-02-02

申请号：CN202311440916.4

申请日：2023-11-01

Applicant: 中国地质大学(北京)

Inventor： 刘嘉薇 ,  李梅 ,  王涛

IPC: G06T7/10 ,  G06T7/00 ,  G06V10/26 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于CCT Unet的子宫腺肌病超声图像分割方法。包括步骤Step1.获取待分割的CT图像，对待分割的CT图像进行了像素级的标注；Step2.基于卷积神经网络(CNN)和Swin Transformer Block，构建了具有跳跃连接的编码器‑解码器体系结构；Step3.在编码器与解码器中融合了来自于卷积神经网络的特征和视觉Transformer的特征，实现了从局部到全局的自我注意；Step4.不使用卷积和池化的情况下设计了CNN与Tranformer的线性特征融合模块，来实现CNN输出的二维特征与Transformer输出的一维特征拼接融合。本发明能够在CT图像中精准分割出子宫腺肌病区域，能够为后续计算机辅助手术，计算机辅助诊断、影像组学分析、图像配准等任务提供有利的帮助。