【技术实现步骤摘要】
本专利技术涉及智能病灶分割，具体涉及一种基于神经网络的女性生殖系统异常病灶分割系统及方法。
技术介绍
1、女性生殖系统异常一般包括妇科炎症和妇科肿瘤，其中比较常见的如外阴炎、阴道炎、宫颈炎、子宫内膜炎、盆腔炎、子宫肌瘤或卵巢癌变等，其中部分病变的发病率和死亡率均较高。当前常用的女性生殖系统异常评估方法主要包括术中冰冻切片、细针穿刺细胞学检查、血清检查、超声、计算机断层扫描及核磁共振成像，然后通过医护人员人工来完成对病灶分割任务，但是临床上，诊断精度差，容易出现误诊和漏诊现象，而机器学习可利用历史数据进行推理归纳，对数据的不确定性进行建模，以获取对未来的预测能力，在医学图像领域，机器学习方法能够借助大量样本，挖掘图像中肉眼不可见的能够鉴别疾病的深层次特征，从而构建模型来提高诊断精度，有效减少误诊和漏诊现象。
技术实现思路
1、针对现有技术中的缺陷，本专利技术提供一种基于神经网络的女性生殖系统异常病灶分割系统及方法。
2、一种基于神经网络的女性生殖系统异常病灶分割系统，包括分割模型，所述分割模型包括编码提取模块、分级处理模块和综合预测模块；其中，所述编码提取模块包括特征输入单元、第一特征提取块和第二特征提取块，所述特征输入单元用于输入图像，所述第一特征提取块用于提取输入图像的局部像素并形成第一像素图，所述第二特征提取块用于提取第一像素图中的局部像素形成第二像素图；所述分级处理模块包括第一输出单元和第二输出单元，所述第一输出单元用于按预设分辨率对第一像素图进行分割处理并形成第
3、优选地，第一病灶信息包括第一特征图中任意一个像素属于病灶区域的概率，所述第二病灶信息包括第二特征图中任意一个像素属于病灶区域的概率，所述第三病灶信息包括堆叠特征图中任意一个像素属于病灶区域的概率。
4、优选地，第一预测单元包括背景确认块和第一像素比对块；其中，所述背景确认块用于获取预设分辨率的背景图，所述背景图包括背景病灶信息；所述第一像素比对块用于将所述第一特征图、所述第二特征图与所述背景图比对判断并获取第一病灶信息。
5、优选地，第二预测单元包括背景确认块和第二像素比对块；其中，所述背景确认块用于获取预设分辨率的背景图，所述背景图包括背景病灶信息；所述第二像素比对块用于将所述堆叠特征图与所述背景图比对判断并获取第三病灶信息。
6、优选地，还包括评估模组，所述评估模组用于评估所述分割模型的所述病灶分割判断结果的真实差异率。
7、优选地，所述评估模组包括第一评估模块和第二评估模块，所述第一评估模块用于按第一预设函数获取第一差异率，所述第二评估模块用于按第二预设函数获取第二差异率。
8、还提供了一种基于神经网络的女性生殖系统异常病灶分割方法，方法包括：提取输入图像的局部像素并形成第一像素图，提取第一像素图中的局部像素形成第二像素图；按预设分辨率分别对第一像素图和第二像素图进行分割处理，并分别形成第一特征图和第二特征图；分别对第一特征图和第二特征图进行病灶分割判断，并分别获取第一病灶信息和第二病灶信息；将所述第一特征图和所述第二特征图按预设分辨率进行整合并得到堆叠特征图，对堆叠特征图进行病灶分割判断并获取第三病灶信息。
9、优选地，病灶分割判断的方式如下：获取预设分辨率的背景图；将所述第一特征图、所述第二特征图与所述背景图比对判断并获取第一病灶信息；将所述堆叠特征图与所述背景图比对判断并获取第三病灶信息。
10、本专利技术的有益效果体现在：
11、在本专利技术的整个基于神经网络的女性生殖系统异常病灶分割系统中，分割模型使用一个编码提取模块对输入图像进行编码和像素提取，编码提取模块中的第一特征提取块和第二特征提取块可进行逐级像素提取，使得二者相互关联又具备不同层级的特征，具体的，特征量越靠近输入图像的特征越低级，也就是第一像素图，反之，特征量越远离输入图像的特征越高级，也就是第二像素图，同时也可以根据需要继续分级；进一步地，分割模型中，第一特征提取块和第二特征提取块分别引出分级处理模块的第一输出单元和第二输出单元，第一输出单元和第二输出单元可利用特征级别各异，让低级特征的第一输出单元输出具备较高定位精度的分割结果，能够主要用于生殖系统异常区域的定位，而使用高级特征的第二输出单元能够输出较高分类精度的分割结果，主要用于生殖系统异常的像素分类；最后，分割模型中，使用综合预测模块的第一预测单元先针对不同级别的第一特征图和第二特征图，分别取得第一病灶信息和第二病灶信息，能够实现内部分割结果对比，提高预测精度，同时，利用融合单元对分级的第一特征图和第二特征图进行整合，通过整合出包含不同尺度信息的分割结果，让第二预测单元取得兼具高定位精度和高分类精度的的第三病灶信息。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的女性生殖系统异常病灶分割系统，包括分割模型，所述分割模型包括编码提取模块、分级处理模块和综合预测模块；其中，
2.根据权利要求1所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第一病灶信息包括第一特征图中任意一个像素属于病灶区域的概率，所述第二病灶信息包括第二特征图中任意一个像素属于病灶区域的概率，所述第三病灶信息包括堆叠特征图中任意一个像素属于病灶区域的概率。
3.根据权利要求2所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第一预测单元包括背景确认块和第一像素比对块；其中，
4.根据权利要求2所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第二预测单元包括背景确认块和第二像素比对块；其中，
5.根据权利要求2所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，还包括评估模组，所述评估模组用于评估所述分割模型的所述病灶分割判断结果的真实差异率。
6.根据权利要求5所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述评估模
7.根据权利要求6所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第一预设函数定义如下：
8.根据权利要求6所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第二预设函数定义如下：
9.一种基于神经网络的女性生殖系统异常病灶分割方法，其特征在于，所述方法包括：
10.根据权利要求9所述的基于神经网络的女性生殖系统异常病灶分割方法，其特征在于，所述病灶分割判断的方式如下：
...【技术特征摘要】
1.一种基于神经网络的女性生殖系统异常病灶分割系统，包括分割模型，所述分割模型包括编码提取模块、分级处理模块和综合预测模块；其中，
2.根据权利要求1所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第一病灶信息包括第一特征图中任意一个像素属于病灶区域的概率，所述第二病灶信息包括第二特征图中任意一个像素属于病灶区域的概率，所述第三病灶信息包括堆叠特征图中任意一个像素属于病灶区域的概率。
3.根据权利要求2所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第一预测单元包括背景确认块和第一像素比对块；其中，
4.根据权利要求2所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于，所述第二预测单元包括背景确认块和第二像素比对块；其中，
5.根据权利要求2所述的基于神经网络的女性生殖系统异常病灶分割系统，其特征在于...
【专利技术属性】
技术研发人员：杨永利，李丹，孙沁沐，胡翠萍，缑青霞，吴竹林，刘红枚，
申请(专利权)人：陕西中科通大生命科学技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。