一种基于CNN和注意力机制的颅内血肿分割方法

颅内血肿是由外伤或脑血管疾病引起的严重脑损伤，对它的准确诊断十分重要。在临床上实现对CT脑图像中的血肿进行分割，能够辅助医生进行临床诊断提供更好的帮助，还有助于制定下一步的治疗计划，具有很好的临床意义。目前，临床上常用的分割方法主要有手工分割、半自动分割和传统的阈值分割。然而，对于形状不规则和复杂的血肿，这些方法不准确且耗时。本发明采用深度学习方法，利用卷积网络和注意力机制相结合的模型对其进行血肿分割，能够准确识别病灶区域与正常组织之间的边界，并将血肿区域分割出来。本发明能够对硬膜下血肿、硬膜外血肿、蛛网膜下腔血肿和脑实质内血肿进行分割，并进行可视化展示，能实现了85.07％的均交并比和91.73％的均精确度。