技术特征：
1.ct血管造影图像分割方法，可适宜李氏人工肝治疗，其特征在于:具体过程包括：获取肝部ct血管造影图像，在上位机中将肝部ct血管造影图像进行数据增强处理后获得的图像输入至ct血管造影图像分割网络，获得二维分割结果影像和分类结果；所述ct血管造影图像分割网络包括通过unet++图像分割网络分割得到所述二维分割结果影像，然后二维分割结果影像经过resnet-att图像分类网络获得所述分类结果；所述resnet-att图像分类网络包括以resnet50-base为基础预测网络，将resnet50-base基础预测网络的conv5中最后三个残差单元层中的3*3卷积替换为改进后的attention自注意力模块。2.根据权利要求1所述的ct血管造影图像分割方法，其特征在于：所述改进后的attention自注意力模块包括：经过8
×
8与4
×
4两种不同尺度的池化操作后生成两个单尺度改进后的attention自注意力模块的输出，大小均为h
×
w
×
d，进行对位求和操作后输出多尺度结果，大小为h
×
w
×
d；所述单尺度改进后的attention自注意力模块包括：将二维图像信息的垂直与水平方向的信息进行对位求和操作后得到位置编码矩阵r，q、k、v分别代表输入矩阵与w
q
、w
k
、wv三个不同的参数矩阵相乘得到的查询、键、值矩阵，q分别与经过池化操作的r、k矩阵相乘得到qr
t
、qk
t
，qr
t
与qk
t
进行对位求和操作后使用softmax归一化函数处理，并将处理后的结果与经过池化操作的v矩阵相乘得到单尺度改进后的attention自注意力模块的输出。3.根据权利要求2所述的ct血管造影图像分割方法，其特征在于：所述ct血管造影图像分割网络的训练和测试过程为：建立训练集、验证集和测试集，将训练集和验证集输入至所述ct血管造影图像分割网络进行网络训练，网络的训练过程分为前向传播和反向传播二个阶段，优化器采用adam，批大小为32，迭代次数epoch为100，初始学习率定为0.001，按照每5个epoch如果损失没有下降则对学习率进行衰减，衰减率0.1，终止学习率为0.00000001，获得训练好的ct血管造影图像分割网络，并将参数保存至模型文件；将测试集输入训练好的ct血管造影图像分割网络，分类结果的准确率达到目标，从而验证并获得在线使用的所述ct血管造影图像分割网络。4.根据权利要求3所述的ct血管造影图像分割方法，其特征在于：所述训练集、验证集和测试集的建立过程为：通过医疗单位获取肝脏ct影像数据，将所有影像数据均转换成为jpg格式的图像并由医学专家进行手工标注类别标签，同时对jpg格式的图像均进行数据增强处理，然后将数据增强处理后的图像及其对应的类别标签按照7：2：1的比例划分为所述训练集、验证集和测试集。5.根据权利要求4所述的ct血管造影图像分割方法，其特征在于：所述unet++图像分割网络的训练目标函数为：其中和y
b
分别表示第b个图像的预测值和真实值，n表示批大小。6.根据权利要求5所述的ct血管造影图像分割方法，其特征在于：所述resnet-att图像分类网络的算法训练目标函数为：
fl(p
t
)＝-(1-p
t
)
γ
log(p
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中p表示模型预测样本类别为1的概率，p
t
表示预测概率，γ表示平衡因子，用来平衡正负样本的比例不均。7.根据权利要求6所述的ct血管造影图像分割方法，其特征在于：所述数据增强处理包括垂直翻转、水平翻转、随机角度旋转和随机区域裁剪，所述数据增强处理后的图像尺寸为224*224。
技术总结
本发明公开了适宜李氏人工肝治疗的CT血管造影图像分割方法，获取肝部CT血管造影图像，在上位机中将肝部CT血管造影图像进行数据增强处理后获得的图像输入至CT血管造影图像分割网络，获得二维分割结果影像和分类结果；CT血管造影图像分割网络包括UNet++图像分割网络和ResNet-Att图像分类网络；ResNet-Att图像分类网络包括以ResNet50-base为基础预测网络加入改进后的Attention自注意力模块。本发明适宜李氏人工肝治疗的CT血管造影图像分割方法可有效地用于对病人肝脏CT影像进行分割和分类。和分类。和分类。
技术研发人员：金心宇 张杰 龚善超
受保护的技术使用者：浙江大学
技术研发日：2022.03.27
技术公布日：2022/7/29