(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 202210707582.1 (22)申请日 2022.06.21 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区2 号大街 (72)发明人 徐平　陈成　吴修柯　陈逸璇　 张曼莉　黄成奇　刘亦安　严明　 祝磊　薛凌云　 (74)专利代理 机构 杭州君度专利代理事务所 (特殊普通 合伙) 33240 专利代理师 朱亚冠 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01)G06T 7/62(2017.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G16H 30/20(2018.01) G16H 50/20(2018.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于残差双注意力机制的心血管钙化 斑块检测系统 (57)摘要 本发明公开一种基于残差双注意力机制的 心血管钙化斑块检测系统。 本发 明提出基于残差 双注意力机制的分割模型， 包括主干网络模块 BackBone和残差双 注意力模 块， 所述残差双 注意 力模块包括并联的第一注意力模块、 第二注意力 模块， 以及融合模块； 所述两个并行的注意力模 块输入为所述BackBone模块的输出特征X， 输出 为分割结果。 本发明通过构建残差双注意力机制 模块， 解决了网络随深度的加深会 出现的梯度消 失的问题， 使得特征随着层层前向传播得到完整 保留的信息越来越少的问题得到解决， 从而使 得 新特征能够更加准确完整， 分割出的钙化区域更 加精确。 权利要求书3页 说明书6页 附图2页 CN 114998292 A 2022.09.02 CN 114998292 A 1.一种基于残差双注意力机制的心血 管钙化斑块检测系统， 其特 征在于包括： 数据获取以及预处理模块， 用于获取心血管的DICOM数据， 然后将其转化为CTA图像以 及对应的mask子图； 然后对mask子图进行二 值化处理； 心血管钙化斑块分割 模块， 用于利用训练好的基于残差双注意力 机制的分割 模型实现 对上述CTA图像的心血 管钙化区域进行 特征提取； 所述基于残差双注意力机制的分割模型， 输入为CTA图像以及对应的mask子图， 输出为 分割结果； 所述基于残差双注 意力机制的分割模 型包括主干网络模块BackBone和残差双注 意力模块； 所述主干网络模块BackBone包括依次级连的卷积层、 最大池化层、 四个叠加层、 池化 层； 所述残差双注意力模块包括并联的第 一注意力模块、 第 二注意力模块， 以及融合模块； 所述第一注 意力模块、 第二注 意力模块的输入为所述BackBone模块的输出特征X， 输出为分 割结果； 所述第一注意力模块包括一个卷积层和一个softmax层； 将所得特征映射通过计算输 出第一注意力模块 最终特征； 具体是： 1)大小为C ×H×W的原始特征A， 通过所述卷积层生成两个新特征映射B和F， 接着把所 述两个新特征映射B和F变形为C ×N， 其中N＝H ×W是像素数量， 然后在F的转置和B之间使用 矩阵相乘， 再通过 所述softmax层来计算空间注意力映射sji(N×N)： 其中sji表示衡量第一注意力模 块第i个位置对第j个位置的影响， Bi和Fj分别是B上的第 i个位置的局部特 征和F上第j个位置的局部特 征； 2)原始特征A通过所述一个卷积层来生成大小为C ×H×W的新特征映射D， 并变形为C × N， 接着D的各个位置上的局部特征Di和转置后 sji的各个位置使用矩阵相乘， 并将结果变形 为C×H×W， 最后乘以放缩参数α， 并与原始特征A的各个位置上的局部特征Aj相加来获取第 j个位置上的最终输出 大小为C×H×W的 其中Aj表示A第j个位置的局部特征， Di表示D第i个位置的局部特征； 按照上述公式， 遍 历j， 合并 得到最终输出E1； 所述第二注意力模块直接将原始特征通过计算输出第二注意力模块最终输出； 具体 是： 将原始特征A变形成C ×N， 接着将原始特征A与原始特征A的转置使用矩阵乘法， 通过所 述softmax层来获取通道 注意力映射大小为C ×C的xji：权　利　要　求　书 1/3 页 2 CN 114998292 A 2其中xji衡量第二注意力模 块第i个通道对第j个通道的影响， Ai和Aj分别是原始特征A第 i个位置和第j个位置的局部特 征； 对xji的转置和Ai用矩阵乘法并将结果变形成C ×H×W， 然后使用放缩参数β 乘结果并与 Aj逐元素相加获第二注意力模块第j个位置最终输出 大小为C×H×W的 按照上述公式， 遍历j， 合并 得到最终输出E2； 所述融合模块是将所述第一注意力模块最终输出E1和所述第二注意力模块最终输出E2 与原始特征A相加得到一个新的特征， 再将第一注意力模块得到 的结果E1和第二注意力模 块得到的结果E2和这个新的特 征分别上采样再将三组结果相加到分割结果； 钙化积分计算模块， 用于将分割后的钙化区域进行钙化 程度计算。 2.如权利要求1所述系统， 其特征在于所述基于残差双注意力机制的分割模型的主干 网络模块BackBone中四个叠加层分别包括数量分别是[3,4,6,3]的Blocks， 每个Blocks包 括一个3层卷积、 一个激活函数、 一个最大池化层。 3.如权利 要求2所述系统， 其特征在于所述的3层卷积的卷积核大小分别为1 ×1， 3×3， 1×1。 4.如权利要求2所述系统， 其特 征在于所述激活函数为非线性激活函数。 5.如权利要求1所述系统， 其特 征在于所述钙化积分计算模块具体是： 1)设置CT值分割阈值a1、 a2、 a3， 0＜a1＜a2＜a3； 2)获取所述基于注意力 机制的分割模型分割得到多个钙化区域， 确定上述各钙化区域 的平均CT值； 按照预设的CT值分割阈值将上述钙化区域进行划分， 得到平均CT值在(0,a1]， (a1,a2]， (a2,a3]， (a3,+∞]的4个钙化分区； 3)对平均CT值在(0,a1]， (a1,a2]， (a2,a3]， (a3,+∞]的4个钙化分区分别进行权重系 数赋分； 4)将DICOM图像像素值转换为CT值； 再通过像素点得到钙化斑块分割结果的钙化区域 面积； 5)根据所述钙化区域 面积以及权 重系数赋分进行Ag atston积分计算； AS＝Σ(钙化面积×权重系数) 其中权重系数赋分根据病变的CT值设定 。 6.如权利要求5所述系统， 其特 征在于步骤4)具体是： 首先获取两个DICOMTa g信息： rescalei ntercept和rescale  slope； 然后通过公式计算得到 CT值： Hu＝pixel_val ×rescal_sl ope+rescal_i ntercept 其中， pixel_val是第i个 像素的灰度值， Hu是第i个 像素的CT值。 7.一种计算机可读存储介质， 其上存储有计算机程序， 当所述计算机程序在计算机中权　利　要　求　书 2/3 页 3 CN 114998292 A 3