一种基于三阶段级联残差Mamba网络的超声图像分割方法

摘要: 本发明属于肌骨超声图像处理,涉及一种超声图像智能分割方法,具体涉及一种在分布复杂、斑点噪声严重以及边界模糊的医学超声图像下,通过结合选择性状态空间模块与三阶段级...
一种基于三阶段级联残差Mamba网络的超声图像分割方法

本发明属于肌骨超声图像处理,涉及一种超声图像智能分割方法,具体涉及一种在分布复杂、斑点噪声严重以及边界模糊的医学超声图像下,通过结合选择性状态空间模块与三阶段级联残差模块实现对腓肠肌内侧头高精度智能检测的方法。

背景技术:

1、腓肠肌内侧头作为小腿三头肌的核心组成部分,大量临床研究表明其结构参数与运动员的冲刺加速及垂直起跳能力高度相关,且肌肉横截面积异常及筋膜厚度病理性增加是过度使用损伤与肌肉撕裂的早期预警信号。目前,超声成像成像技术是获取上述参数的临床首选方法。

2、传统参数提取方法依赖专家手动分割图像并标记腱膜边界与肌束轨迹,在处理大规模数据时效率低下,且易受操作者主观差异影响,分割结果准确性较差。近年来,基于深度学习的目标分割方法有:u-net、fcn、transunet、swinunet等网络为解决上述问题提供了新的思路。

3、然而这两些主流网络各有局限,u-net、fcn等纯卷积网络受限于局部感受野,难以捕获腱膜结构的长距离依赖,无法感知全局解剖结构,导致分割不连续。transunet、swinunet等基于transformer架构的网络虽具备全局建模能力,但这类网络依赖于注意力机制进而计算复杂,这迫使网络在低分辨率特征图上运行而损失细粒度边界信息,导致分割边缘粗糙。但mamba 网络作为最新的深度学习领域成果,是一种能有效建模长距离依赖、又能保留细粒度边界信息并兼顾计算效率的新型网络。

4、因此,研发一种基于mamba网络能在复杂环境下既能感知全局解剖结构,又能精细提取局部模糊边界的智能分割方法,具有重要临床价值。

技术实现思路

1、为解决在分布复杂、斑点噪声严重以及边界模糊的医学超声图像中现有分割网络难以获得准确分割结果的问题,本发明提供了一种基于三阶段级联残差mamba网络的超声图像分割方法,该方法利用基于选择性状态空间模型的三阶段级联残差网络(tcr-mamba)模型对腓肠肌内侧头超声图像进行分割,最终实现了腓肠肌内侧头超声图像的高精度智能分割。

2、本发明的目的是通过以下技术方案实现的:

3、一种基于三阶段级联残差mamba网络的超声图像分割方法,包括如下步骤:

4、步骤1、设计一组卷积核大小分别为、、的连续串联卷积层,采用渐进式通道分配策略,在末端拼接三个卷积层的输出特征图,并引入残差连接以稳定梯度传播,构建出三阶段级联残差模块(tcr);

5、步骤2、构建选择性状态空间模块并与tcr模块相连,得到tcr-mamba网络的主干模块;

6、步骤3:设计一个u型编码器-解码器网络架构,并将步骤2得到的主干模块嵌入到u型编码器-解码器网络架构中,得到tcr-mamba网络;

7、步骤4、对数据进行预处理,设计损失函数对tcr-mamba网络进行训练,利用训练好的tcr-mamba网络完成对腓肠肌内侧头超声图像的高精度智能分割。

8、相比于现有技术,本发明具有如下优点:

9、本发明为解决现有超声图像分割方法中手动分割效率低,传统卷积方法分割不连续的问题,设计了tcr模块通过、、多尺度卷积核串联与1:2:4渐进式通道分配实现多尺度特征融合,构建选择性状态空间模块以线性复杂度建模长距离依赖,将二者嵌入u型编码器-解码器架构经跳跃连接融合边界细节与深层语义,配合dice loss与边界感知损失的加权组合优化边界精度,最终利用tcr-mamba网络实现了对腓肠肌内侧头超声图像的高精度智能分割,经实验验证优于u-net、fcn、transunet、swinunet等主流方法。

1.一种基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述方法包括如下步骤:

2.根据权利要求1所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤1的具体步骤如下:

3.根据权利要求2所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤2的具体步骤如下:

4.根据权利要求3所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤201中,隐状态是一个连续演化过程,由系统微分方程来约束和描述:

5.根据权利要求1所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤3的具体步骤如下:

6.根据权利要求5所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤301中,尺寸缩减通过最大池化层实现,其具体计算公式为:

7.根据权利要求1所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤4的具体步骤如下:

8.根据权利要求7所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤4-1的具体步骤如下:

9.根据权利要求7所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤403中,dice loss定义为:

10.根据权利要求7所述的基于三阶段级联残差mamba网络的超声图像分割方法,其特征在于所述步骤404的具体步骤如下: