基于三维Unet网络的脑部核磁共振图像组织分割方法

摘要

本发明公开了一种基于三维Unet网络的脑部核磁共振图像组织分割方法，其包括将脑部核磁共振图像导入训练后的三维Unet网络中，并输出三维Unet网络倒数第二层获得的64个三维特征；采用高维矢量非局部均值注意力模型对64个三维特征的特征值进行重新分布；将重新分布特征值的三维特征输入至三维Unet网络最后一层的softmax层进行图像分割处理，得到脑部三个组织的分割结果。本方案通过三维Unet网络和高维矢量非局部均值注意力模型的相互结合，可以使映射后的组织类别完全不受噪声的干扰，从而获得不受噪声影响的全脑组织分割结果。