一种多维远程依赖捕捉与位置感知的腹部多器官分割方法

1.一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤2中，两次步长为1的1×3×3卷积将单通道的输入数据映射到32个通道的特征表示，同时保持空间尺寸不变，f1的通道数为32，空间尺寸为64×128×128。

3.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤3中，改进3d u-net网络为tdi-unet(tri dimensional interaction-unet三维交互-unet)特征提取网络，原网络每层卷积块中的批标准化替换为实例标准化，relu激活函数替换为leakyrelu，以提供更稳定的训练过程，改善模型的泛化能力。以步长为2的卷积层代替池化层，可以更好地保留特征信息，同时帮助改善梯度在网络中的流动，减少梯度消失或爆炸的问题。提取的三层特征图f2，f3，f4，特征图大小依次减小，为上一特征图的1/2，通道数依次加倍。f2的通道数为64，空间尺寸为32×64×64。f3的通道数为128，空间尺寸为16×32×32。f4的通道数为256，空间尺寸为8×16×16。

4.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤403中，分别沿着深度，高度，宽度三个维度方向对h1进行平均池化操作，获得输入特征三个维度上的信息编码，计算公式如下：

5.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤404中，与拼接得到特征图记为fcα1，fcα1尺寸为c×wα×(hα+dα)×1，与拼接得到特征图记为fcα2，fcα2尺寸为c×hα×(dα+wα)×1，与拼接得到特征图记为fcα3，fcα3尺寸为c×dα×(hα+wα)×1。

6.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤405中，将拼接后的三个方向性特征图分别进行1×1×1卷积处理，减少参数量和计算复杂度，通道数都变为(r为比例因子，默认为16)。fcα4尺寸为fcα5尺寸为fcα6尺寸为

7.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤406中，在特征激励阶段将经过非线性处理的三个维度拼接特征图进行划分，再将划分后的相同方向性的特征图进行特征融合，之后经过1×1×1卷积调整特征的抽象层次，整合通道间的信息，恢复到原来的通道数c，激励后的分方向特征δ(fcαx)尺寸为c×1×hα×wα，尺寸为c×dα×1×wα，ζ(fcαz)尺寸为c×dα×hα×1。

8.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤407中，通过sigmoid函数将沿深度，高度，宽度三个维度的方向权重信息映射为[0,1]之间的权重值，获得空间中每个维度的交互权重，分别记为即

9.根据权利要求1所述的一种多维远程依赖捕捉与位置感知的腹部多器官分割方法，其特征在于，在步骤5中，在网络架构的最后，特征图通过一个1×1×1卷积层来进一步调整通道维度，使其与目标分割图的通道数相匹配，经过调整的特征图通过softmax激活函数为每个体素分配属于不同器官的概率，生成多器官分割结果。