(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210032872.0 (22)申请日 2022.01.12 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 王晶晶　于子舒　赵文瀚　孙增钊　 李鸿祯　张波　赵蒙蒙　刘建伟　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 董雪 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于改进ResU-Net神经网络的MRI图像分割 方法及系统 (57)摘要 本发明公开了一种基于改进ResU ‑Net神经 网络的MRI图像分割方法及系统， 包括： 获取待处 理的MRI脑瘤图像， 并进行预处理； 将预处理后的 图像输入到改进的ResU ‑Net神经网络模型中， 得 到MRI脑瘤图像分割结果； 其中， 所述改进的 ResU‑Net神经网络模型将ResU ‑Net神经网络中 的残差卷积模块改进 为一个带有Transformer自 注意力机制的模块， 同时在ResU ‑Net神经网络的 编码器和解码器之间加入带有Tran sformer自注 意力机制的扩张特征金字塔模块。 本发明通过改 进的ResU ‑Net神经网络进行MRI脑瘤图像分割， 可以获得更精确的脑瘤分割结果。 权利要求书2页 说明书6页 附图2页 CN 114612656 A 2022.06.10 CN 114612656 A 1.一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特 征在于， 包括： 获取待处 理的MRI脑瘤图像， 并进行 预处理； 将预处理后的图像输入到改进的ResU ‑Net神经网络模型中， 得到MRI脑瘤图像分割结 果； 其中， 所述改进的ResU ‑Net神经网络模型将ResU ‑Net神经网络中的残差卷积模块改进 为一个带有Transformer自注意力机制的模块， 同时在 ResU‑Net神经网络的编码器和解码 器之间加入带有 Transformer自注意力机制的扩张特 征金字塔模块。 2.如权利 要求1所述的一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特征在 于， 所述改进的ResU ‑Net神经网络模型在每一层跳过连接层之后加 入Transformer自注意 力模块。 3.如权利 要求1所述的一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特征在 于， 所述带有Transformer自注 意力机制的模块包括： 依次连接的归一化层、 卷积层、 线性整 流函数层和Transformer自注意力机制模块。 4.如权利 要求1所述的一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特征在 于， 所述带有Transformer自注 意力机制的扩张特征金字塔模块包括： 多个不同扩张速率的 平行扩张卷积层， 在每一层的扩张卷积层后加入Transformer自注 意力模块， 最后对每层 扩 张卷积的输出 结果进行相加。 5.如权利 要求1所述的一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特征在 于， 采用混合焦点损失函数作为所述改进的ResU ‑Net神经网络模型的损失函数。 6.如权利 要求5所述的一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特征在 于， 所述混合焦点损失函数 具体为： LCMF＝ λLmF+(1‑λ )LmFD 其中， LmF和LmFD分别为分量损失函数， λ∈[0， 1]， 决定 了两个分量损失函数的相对权 重； LmF＝‑α(1‑pt)γ·LmCE 其中， m、 D分别为Dice项； γ为参数， 控制权重降低的程度； pt为地面真实值的预测概率； c为分类的种 类数， LmCE交叉熵项， α在[0,1]范 围内控制Dice和交叉熵项对损失 的贡献的相 对权重。 7.如权利 要求1所述的一种基于改进ResU ‑Net神经网络的MRI图像分割方法， 其特征在 于， 所述MRI脑瘤图像包括： T1模态、 T1 ‑c模态、 T2模态或FLAIR模态图像； 所述MRI脑肿瘤图 像分割结果包括： 脑肿瘤所在的区域以及相应区域对应的脑瘤类型。 8.一种基于改进ResU ‑Net神经网络的MRI图像分割 系统， 其特 征在于， 包括： 图像获取模块， 用于获取待处 理的MRI脑瘤图像， 并进行 预处理； 图像分割模块， 用于将预处理后的图像输入到改进的ResU ‑Net神经网络模型中， 得到 MRI脑瘤图像分割结果； 其中， 所述改进的ResU ‑Net神经网络模型将ResU ‑Net神经网络中的残差卷积模块改进 为一个带有Transformer自注意力机制的模块， 同时在 ResU‑Net神经网络的编码器和解码权　利　要　求　书 1/2 页 2 CN 114612656 A 2器之间加入带有 Transformer自注意力机制的扩张特 征金字塔模块。 9.一种终端设备， 其包括处理器和存储器， 处理器用于实现各指令； 存储器用于存储多 条指令， 其特征在于， 所述指 令适于由处理器加载并执行权利要求 1‑7任一项所述的基于改 进ResU‑Net神经网络的MRI图像分割方法。 10.一种计算机可读存储介质， 其中存储有多条指令， 其特征在于， 所述指令适于由终 端设备的处理器加载并执行权利要求1 ‑7任一项所述的基于改进ResU ‑Net神经网络的MRI 图像分割方法。权　利　要　求　书 2/2 页 3 CN 114612656 A 3