[發明專利]基于深度學習和灰度信息的圖像分割系統

有效

• 申請號: 202310117871.0
• 申請日: 2023-02-15
• 公開（公告）號: CN116152285B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 王寬全;劉亞淑;駱功寧;王瑋
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/00;G06V10/77;G06V10/82;G06N3/048;G06N3/0464;G06N3/08
• 代理公司: 哈爾濱市松花江聯合專利商標代理有限公司 23213
• 代理人: 岳昕

1.基于深度學習和灰度信息的圖像分割系統，其特征在于：它包括編碼模塊、空間注意力模塊、灰度校正模塊、分割模塊、損失模塊；

編碼模塊分別與空間注意力模塊、灰度校正模塊和分割模塊連接，空間注意力模塊與灰度校正模塊連接，損失模塊分別與灰度校正模塊和分割模塊連接；

編碼模塊，用于接收核磁共振影像，對核磁共振影像進行編碼，并提取核磁共振影像的淺層特征，將淺層特征分別發送至空間注意力模塊、灰度校正模塊和分割模塊；還用于接收空間注意力模塊返回的梯度、灰度校正模塊返回的梯度、分割模塊返回的梯度；

編碼模塊依次包括四組結構和一個卷積塊，每組結構依次包括一個卷積塊和一個最大池化層；

空間注意力模塊，用于接收編碼模塊內四組結構中卷積塊輸出的淺層特征，并對每個淺層特征進行加權，得到加權后的淺層特征，將加權后的淺層特征發送至灰度校正模塊；還用于接收灰度校正模塊返回的梯度，將所述梯度和本模塊的梯度一起發送至編碼模塊；

灰度校正模塊，用于接收編碼模塊輸出的淺層特征、空間注意力模塊輸出的加權后的淺層特征，基于上述特征對核磁共振影像進行灰度偏置校正，輸出核磁共振影像的無偏圖像和偏置圖像；還用于接收損失模塊返回的梯度，將所述梯度和本模塊的梯度一起發送至空間注意力模塊和編碼模塊；

分割模塊，用于接收編碼模塊輸出的淺層特征和編碼模塊接收到的灰度校正模塊返回的梯度，基于接收到的特征和梯度對核磁共振影像進行分割，輸出目標區域和背景區域的分布圖；還用于接收損失模塊返回的梯度，將所述梯度和本模塊的梯度一起發送至編碼模塊；

損失模塊，用于接收核磁共振影像、灰度校正模塊輸出的無偏圖像和偏置圖像、分割模塊輸出的目標區域和背景區域的分布圖，基于上述圖像計算分割損失、偏置校正損失、分割與偏置校正聯合優化損失和聯合損失，并將計算的損失結果發送至灰度校正模塊和分割模塊。

2.根據權利要求1中所述的基于深度學習和灰度信息的圖像分割系統，其特征在于：編碼模塊中的每個卷積塊依次包括卷積層、ReLU激活層和組正則化層。

3.根據權利要求2中所述的基于深度學習和灰度信息的圖像分割系統，其特征在于：空間注意力模塊依次包括四組結構，每組結構依次包括一個卷積層和兩個非線性激活層。

4.根據權利要求3中所述的基于深度學習和灰度信息的圖像分割系統，其特征在于：灰度校正模塊依次包括四組結構、一個卷積塊和一個Sigmoid激活層，每組結構依次包括一個卷積塊和一個線性插值上采樣層。

5.根據權利要求4中所述的基于深度學習和灰度信息的圖像分割系統，其特征在于：灰度校正模塊中的每個卷積塊依次包括卷積層、非線性激活層和批次正則化層。

6.根據權利要求5中所述的基于深度學習和灰度信息的圖像分割系統，其特征在于：分割模塊依次包括四組結構、一個卷積塊和一個Softmax激活層，每組結構依次包括一個卷積塊和一個反卷積上采樣層。

7.根據權利要求6中所述的基于深度學習和灰度信息的圖像分割系統，其特征在于：分割模塊中的每個卷積塊依次包括卷積層、非線性激活層和組正則化層。