[發明專利]一種輕量多尺度的生物醫學圖像分割方法

有效

• 申請號: 202011480237.6
• 申請日: 2020-12-16
• 公開（公告）號: CN112508958B
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 樊永顯;李昌永;徐文楓
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 楊雪梅

1.一種輕量多尺度的生物醫學圖像分割方法，其特征在于，包括如下步驟：

1）獲取公共的生物醫學圖像數據集，包括肺部CT、肝臟CT和細胞的電鏡圖三個數據集，其中每個數據集劃分為訓練集和測試集，每個數據集中80%的圖像作為訓練集，20%的圖像作為測試集；

2）數據預處理：將生物醫學圖像訓練集采用數據增廣方法，即翻轉和旋轉來增加數據集的樣本數量；

3）構建模型：在現有U-Net模型中，將傳統卷積替換成金字塔卷積，利用金字塔卷積在編碼部分進行特征提取，替換金字塔卷積之后新的模型稱為PyConvUNet模型；

4）特征提?。翰捎媒鹱炙矸e對生物醫學圖像訓練集中的圖像進行特征提取，通過金字塔卷積獲取到訓練集圖像中不同尺度的特征信息，接著對提取出來的特征信息進行融合并得到特征圖；

5）模型訓練：利用PyTorch深度學習框架訓練PyConvUNet模型，采用交叉熵損失函數進行模型的參數調整，不斷提高模型的分割精度；

6）模型評估：采用MIoU和Dice兩種評估指標對PyConvUNet模型在測試集圖像上的分割精度進行評估，采用參數量和計算復雜度兩種評估指標對PyConvUNet模型自身的體量進行評估，同時再分別與其他表現好的模型進行比較評估。

2.根據權利要求1所述的輕量多尺度的生物醫學圖像分割方法，其特征在于，步驟3）中所述的金字塔卷積為金字塔卷積算法。