[發明專利]基于多尺度和全局上下文信息的醫學圖像分割方法和裝置

在審

• 申請號: 202111089546.5
• 申請日: 2021-09-16
• 公開（公告）號: CN113920129A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 吳少智;曹云健;田淼;李琬祎;孫英雪;王宏秋;吳磊;蘇涵
• 申請（專利權）人: 電子科技大學長三角研究院（衢州）
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T5/20;G06N3/04;G06V10/80;G06V10/774
• 代理公司: 成都科海專利事務有限責任公司 51202
• 代理人: 劉業芳

1.一種基于多尺度和全局上下文信息的醫學圖像分割方法，其特征在于，包括：

獲取待處理醫學圖像；

提取所述待處理醫學圖像中的圖像特征，得到特征圖；

學習所述特征圖的多尺度的全局上下文信息；

引導所述多尺度的全局上下文信息與譯碼器支路特征融合；

根據預設尺度與權重的對應關系將與所述譯碼器支路特征融合后的多尺度的全局上下文信息組合，得到目標醫學圖像。

2.根據權利要求1所述的基于多尺度和全局上下文信息的醫學圖像分割方法，其特征在于，所述提取所述待處理醫學圖像中的圖像特征，得到特征圖之前，還包括：

對所述待處理醫學圖像進行偏置修正；

在偏置修正后的所述待處理醫學圖像中確定目標區域；

根據所述目標區域裁剪所述待處理醫學圖像；

對裁剪后的所述待處理醫學圖像進行強度標準化。

3.根據權利要求1所述的基于多尺度和全局上下文信息的醫學圖像分割方法，其特征在于，所述獲取待處理醫學圖像之前，還包括：

基于原始醫學圖像訓練預設醫學圖像分割模型；所述預設醫學圖像分割模型用于實現基于多尺度和全局上下文信息的醫學圖像分割方法。

4.根據權利要求3所述的基于多尺度和全局上下文信息的醫學圖像分割方法，其特征在于，所述基于原始醫學圖像訓練預設醫學圖像分割模型，包括：

獲取所述原始醫學圖像；

將所述原始醫學圖像劃分為訓練集和驗證集；

對所述原始醫學圖像進行預處理；

對預處理后的原始醫學圖像進行數據增強處理；

基于所述訓練集訓練進行模型訓練；

評估訓練后的模型是否達到預設標準；

當所述訓練后的模型未達到所述預設標準時，執行步驟：對預處理后的原始醫學圖像進行數據增強處理；

當所述訓練后的模型達到所述預設標準時，保存達到所述預設標準的模型；

基于所述驗證集驗證所述達到所述預設標準的模型；

定義通過驗證的模型為所述預設醫學圖像分割模型。

5.根據權利要求4所述的基于多尺度和全局上下文信息的醫學圖像分割方法，其特征在于，所述數據增強處理的方法包括：隨機上下翻轉、隨機左右翻轉、隨機裁剪、隨機平移、隨機縮放和隨機旋轉。

6.一種基于多尺度和全局上下文信息的醫學圖像分割裝置，其特征在于，包括：編碼器模塊、M模塊、G模塊、譯碼器模塊和尺度注意力模塊；

所述編碼器模塊用于獲取待處理醫學圖像，以及提取所述待處理醫學圖像中的圖像特征，得到特征圖，并將所述特征圖發送至所述M模塊；

所述M模塊用學習所述特征圖的多尺度的全局上下文信息，并將所述多尺度的全局上下文信息發送至所述譯碼器模塊和所述G模塊；

所述譯碼器模塊用于對所述多尺度的全局上下文信息進行解碼處理，得到譯碼器支路特征；

所述G模塊用于引導所述多尺度的全局上下文信息與所述譯碼器支路特征融合；

所述譯碼器模塊還用于將與所述譯碼器支路特征融合后的多尺度的全局上下文信息發送至所述尺度注意力模塊；

所述尺度注意力模塊用于根據預設尺度與權重的對應關系將與所述譯碼器支路特征融合后的多尺度的全局上下文信息組合，得到目標醫學圖像。

7.根據權利要求6所述的基于多尺度和全局上下文信息的醫學圖像分割裝置，其特征在于，所述編碼器模塊包括四層Dense Block和注意力機制；

所述譯碼器模塊包括四層Dense Block。

8.根據權利要求7所述的基于多尺度和全局上下文信息的醫學圖像分割裝置，其特征在于，每層所述Dense Block包括四個卷積層；

每個所述卷積層包括64個輸出通道；每個所述卷積層的濾波器大小為3*3；每個所述卷積層的輸出均通過正則化和ReLU激活函數處理。

9.根據權利要求7所述的基于多尺度和全局上下文信息的醫學圖像分割裝置，其特征在于，每層所述Dense Block的輸出經一個核大小為2×2和步長為2的池化層進行下采樣處理。