[發(fā)明專(zhuān)利]一種基于卷積注意力模型的皮膚病變分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010782877.6
• 申請(qǐng)日: 2020-08-06
• 公開(kāi)（公告）號(hào): CN113744178B
• 公開(kāi)（公告）日: 2023-10-20
• 發(fā)明（設(shè)計(jì)）人: 蔣蕓;曹思敏;陶生鑫;吳超;劉文歡
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西北師范大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06T7/90;G06T3/40;G06V10/82;G06V10/774;G06N3/0464;G06N3/084
• 代理公司: 北京同輝知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11357
• 代理人: 江舟

本發(fā)明公開(kāi)了一種基于卷積注意力模型的皮膚病變分割方法，該分割方法具體按以下步驟：步驟1：選取ISIC?2017數(shù)據(jù)集和PH2數(shù)據(jù)集，包含8位RGB皮膚鏡檢查圖像，圖像大小從540×722?4499×6748像素不等，數(shù)據(jù)集提供2000張訓(xùn)練圖像、用于驗(yàn)證的150張圖像的單獨(dú)數(shù)據(jù)集以及用于測(cè)試的600張圖像的單獨(dú)數(shù)據(jù)集，數(shù)據(jù)集中所有皮膚鏡檢查圖像分別被標(biāo)記為良性痣、黑色素瘤或脂溢性角化病，PH2數(shù)據(jù)集包含200張圖像，其中160張圖像為痣，分為普通痣和非典型性痣。本發(fā)明用于皮膚鏡檢查圖像中準(zhǔn)確的皮膚病變分割，對(duì)于醫(yī)學(xué)研究者具有實(shí)際參考價(jià)值。模型添加多尺度輸入模塊，利用卷積注意力模塊提取圖像特征，通過(guò)多標(biāo)簽損失函數(shù)來(lái)更新參數(shù)以訓(xùn)練模型，生成最終的分割圖。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺(jué)醫(yī)學(xué)圖像處理領(lǐng)域，特別涉及一種基于卷積注意 力模型的皮膚病變分割方法。

背景技術(shù)

眾所周知，皮膚作為人體最大的器官，通常直接暴露在空氣中，使得皮 膚病成為人類(lèi)最常見(jiàn)的疾病之一。黑素瘤作為一種致死率最高的惡性皮膚腫 瘤，每年導(dǎo)致的死亡人數(shù)就超過(guò)10,000例。但是，如果能盡早發(fā)現(xiàn)，黑色素 瘤可以通過(guò)簡(jiǎn)單的切除術(shù)治愈。可是，在實(shí)際診斷中，即使由經(jīng)驗(yàn)豐富的皮 膚科醫(yī)生進(jìn)行皮膚鏡檢查，也不能僅依靠他們的感知和視力來(lái)正確地對(duì)黑色 素瘤進(jìn)行檢測(cè)。計(jì)算機(jī)輔助分析避免了許多這樣的問(wèn)題，并且越來(lái)越多地被 研究以幫助皮膚科醫(yī)生提高皮膚鏡圖像分析的效率和客觀性。皮膚病變的自 動(dòng)分割是計(jì)算機(jī)輔助皮膚鏡圖像分析的重要步驟。

在早期，采用基于閾值的方法進(jìn)行圖像分割，但這種方法通常只能對(duì)圖 像進(jìn)行模糊區(qū)分，無(wú)法獲得精確的分割效果。近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)已被廣 泛用于解決圖像分割問(wèn)題。特別是對(duì)于醫(yī)學(xué)圖像分割，這些基于卷積神經(jīng)網(wǎng) 絡(luò)的方法可以按像素分類(lèi)以區(qū)分背景對(duì)象和前景對(duì)象，從而實(shí)現(xiàn)最終的分割。 相對(duì)于早期方法，卷積神經(jīng)網(wǎng)絡(luò)已極大地提高了圖像分割性能。但在皮膚病 變分割領(lǐng)域，由于皮膚病變區(qū)域邊界模糊，不同受試者的病變?cè)谖恢?、形?和顏色上表現(xiàn)出明顯的差異性以及大量偽影包括固有的皮膚特征(例如頭發(fā)、 血管)和人工偽影(例如氣泡、直尺標(biāo)記、不均勻的照明、病變區(qū)域不完整 等)的存在，使得一般卷積神經(jīng)網(wǎng)絡(luò)對(duì)于皮膚病變邊界的準(zhǔn)確分割仍具有巨 大的挑戰(zhàn)。之前的文獻(xiàn)，已經(jīng)在一定程度上解決了以上問(wèn)題，但是，模型所 使用的皮膚表層影像圖來(lái)自患者皮膚表面照片而非公開(kāi)可用的公共數(shù)據(jù)集， 無(wú)法更好的驗(yàn)證模型的性能。其次，卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，隨著深度的增加， 數(shù)據(jù)信息會(huì)不斷地丟失，特征提取不完善導(dǎo)致模型分割性能不佳。多次重復(fù) 卷積操作雖然可以增強(qiáng)特征的提取，但這個(gè)過(guò)程中卻容易造成參數(shù)量過(guò)大， 數(shù)據(jù)計(jì)算冗余進(jìn)一步使得模型產(chǎn)生過(guò)擬合的問(wèn)題，這極大地降低了模型的預(yù) 測(cè)準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是克服現(xiàn)有技術(shù)的缺陷，提供一種基于卷積注 意力模型的皮膚病變分割方法。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了如下的技術(shù)方案：

本發(fā)明一種基于卷積注意力模型的皮膚病變分割方法，該分割方法具體 按以下步驟：

步驟1：選取ISIC-2017數(shù)據(jù)集和PH2數(shù)據(jù)集：

ISIC-2017數(shù)據(jù)集包含8位RGB皮膚鏡檢查圖像，圖像大小從540× 722-4499×6748像素不等，數(shù)據(jù)集提供2000張訓(xùn)練圖像、用于驗(yàn)證的150張 圖像的單獨(dú)數(shù)據(jù)集以及用于測(cè)試的600張圖像的單獨(dú)數(shù)據(jù)集，數(shù)據(jù)集中所有 皮膚鏡檢查圖像分別被標(biāo)記為良性痣、黑色素瘤或脂溢性角化病，PH2數(shù)據(jù)集 包含200張圖像，其中160張圖像為痣，分為普通痣和非典型性痣，其余40 張圖像為黑色素瘤，PH2數(shù)據(jù)集中的圖像是大小固定為768×560像素的8位 RGB圖像，在相同條件下使用20倍放大倍數(shù)采集；

步驟2：數(shù)據(jù)預(yù)處理：