1.脑肿瘤图像区域分割方法,其特征在于,包括:
S1、获取脑部MRI图像,形成数据集,并对所述数据集进行预处理;
S2、构建改进残差注意力块,替换其中的多层感知器;
S2包括:
S201、替换原注意力块中的多层感知器层,在多层感知器的基础上加上残差连接;
S202、再加入GELU激活函数、随机失活层和线性层;
S3、构建改进网络模型,通过引入所述改进残差注意力块,调节改进残差注意力块的数量和替换方法;
S3中,改进网络模型包括编码器部分和解码器部分;编码器部分前三层的编码块由3D卷积层、批归一化层和LeakyReLu层组成;解码器部分包括解码块,用于对特征图进行解码,得到脑肿瘤的区域;S3中,编码器部分后三层使用双分支的改进残差注意力块,改进残差注意力块的数量为(2,4,2);其中,单数残差注意力块由线性归一化层、W-MSA、批归一化层和残差多层感知机器层组成;双数残差注意力块由线性归一化层、SW-MSA、批归一化层和残差多层感知机器层组成;
S4、将训练后的网络模型输入测试集进行测试,检验网络效果。
2.根据权利要求1所述的脑肿瘤图像区域分割方法,其特征在于,S1中,所述脑部MRI图像有多个模态,采用Z-score方法分别标准化每个模态的图像,表示为:X*=(X-μ)/σ
其中,μ为所有样本数据的均值,σ为所有样本数据的标准差。
3.根据权利要求2所述的脑肿瘤图像区域分割方法,其特征在于,S1中,所述预处理包括:镜像翻转、旋转、缩放、平移、弹性变形和图像裁剪。
4.根据权利要求3所述的脑肿瘤图像区域分割方法,其特征在于,S4中,将预处理的图片输入到网络中,更新网络参数权重,得到最优的网络分割结果;将分割结果进行sigmoid函数运算,将分割结果变为0和1,进行拼接,再根据三通道定义还原成单通道,即得到分割结果图。
5.脑肿瘤图像区域分割装置,其特征在于,用于执行权利要求1至4任一所述的脑肿瘤图像区域分割方法,包括:获取模块,用于获取脑部MRI图像,形成数据集,并对所述数据集进行预处理;
第一构建模块,用于构建改进残差注意力块,替换其中的多层感知器;
第二构建模块,用于构建改进网络模型,引入所述改进残差注意力块,调节改进残差注意力块的数量和替换方法;
测试模块,用于将训练后的网络模型输入测试集进行测试,检验网络效果。
6.一种计算机存储介质,其特征在于,所述计算机存储介质内存储有计算机程序;所述计算机程序在计算机上运行时,使得计算机执行权利要求1至4任一所述的脑肿瘤图像区域分割方法。
7.一种电子设备,其特征在于,所述电子设备包括:处理器和存储器,所述存储器中存储有程序;所述处理器用于调用所述存储器中存储的程序,以使得所述电子设备执行如权利要求1至4任一项所述的脑肿瘤图像区域分割方法。