基于3D卷积和多标签解码的颅脑CT影像质量控制方法

专利主权项内容

1.一种基于3D卷积和多标签解码的颅脑CT影像质量控制方法，其特征在于，所述方法包括：获取待评价的颅脑CT序列图像；将所述待评价的颅脑CT序列图像输入至训练好的图像质量评价模型的3D卷积网络，提取所述待评价的颅脑CT序列图像的时空特征；将所述时空特征输入至所述图像质量评价模型基于Transformer的多标签解码器，基于交叉注意力自适应挖掘对象特征，获取查询特征；将查询特征输入至所述图像质量评价模型的线性分类器，预测所述待评价的颅脑CT序列图像存在的质量问题；所述将所述时空特征输入至所述图像质量评价模型基于Transformer的多标签解码器，基于交叉注意力自适应挖掘对象特征，获取查询特征，包括：将时空特征输入至所述多标签解码器的多头注意力模块，使用所述多头注意力模块的查询向量对所述时空特征进行处理，获取注意力矩阵；将注意力矩阵输入至所述多标签解码器的前馈层，对所述注意力矩阵进行线性变换，获得查询特征；所述多头注意力模块包括多个注意力头，所述将时空特征输入至所述多标签解码器的多头注意力模块，使用所述多头注意力模块的查询向量对所述时空特征进行处理，获取注意力矩阵，包括：将时空特征输入至多头注意力模块；对每个注意力头：使用查询向量以及对应的权重对所述时空特征进行处理，得到当前注意力头的输出结果；将各注意力头的输出结果进行拼接处理，获得注意力矩阵；所述当前注意力头的输出结果为：，其中，/>为第i个注意力头的输出结果，/>用于计算权重并生成注意力头的输出，Q为查询向量，E为时空特征，/>、/>、/>分别为第i个注意力头对应的查询权重矩阵、键权重矩阵和值权重矩阵；3D卷积网络的具体细节如下：3D卷积网络包括十个3D卷积层以及六个3D池化层；每个卷积层均使用3×3×3的过滤器，并且步长为1×1×1；网络的第一个池化层采用1×2×2的核大小和1×2×2的步长；第二到第四个池化层统一使用2×2×2的核大小和2×2×2的步长；第五个池化层采用3×2×2的核和2×2×2的步长，并配有0×1×1的填充；第六个池化层调整其核大小为2×1×1，并使用2×1×1的步长。