【技术实现步骤摘要】
本专利技术涉及图像识别分割处理，尤其涉及一种基于边界约束的息肉分割方法及系统。
技术介绍
1、目前，结肠镜检查是检测息肉最常规的方法之一。但是由于医生工作量大且资源有限，结肠镜检查的时间往往较短，导致漏检息肉的比例较高，导致未能及时发现息肉的存在，增加了患者发生结直肠癌的风险，而对于现阶段的通过基于机器学习的息肉分割算法，虽然避免了传统的人工检测，但是其依赖于手工提取特征，导致漏检率较高，而对于现阶段的通过深度学习方法的息肉检测技术，可以端到端学习特征并完成分割，但是由于连续下采样操作导致细节信息损失，以及对息肉边界表示不足等问题，现有基于深度学习的息肉分割算法通常无法对不同形状、颜色、大小的息肉进行精确分割。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的是提供一种基于边界约束的息肉分割方法及系统，通过对息肉图像边界细节的捕获，实现对不同形状、颜色、大小的息肉进行精确分割。
2、本专利技术所采用的第一技术方案是：一种基于边界约束的息肉分割方法，包括以下步骤：
3、获取息肉图像并进行数据预处理，得到预处理后的息肉图像；
4、引入边界特征提取模块，构建基于边界约束的息肉分割网络；
5、通过所述基于边界约束的息肉分割网络对所述预处理后的息肉图像进行识别分割处理，得到分割后的息肉图像，所述分割后的息肉图像包括若干个息肉分割图像。
6、进一步，所述获取息肉图像并进行数据预处理，得到预处理后的息肉图像这一步骤，其具体包括：
7、获取息肉图像；
8、对所述息肉图像进行去反光处理，得到去反光后的息肉图像；
9、对所述去反光后的息肉图像进行数据增强处理，得到预处理后的息肉图像。
10、进一步，所述基于边界约束的息肉分割网络包括若干个res2net-50主干网络模块、若干个相互优化模块、若干个卷积注意力模块、边界特征提取模块和若干个输出模块，若干个所述res2net-50主干网络模块的第一输出端与若干个所述相互优化模块的输入端连接，第一个所述res2net-50主干网络模块的第二输出端与所述边界特征提取模块的输入端连接，若干个所述相互优化模块的输出端、所述边界特征提取模块的输出端分别与若干个所述卷积注意力模块的输入端连接，若干个所述卷积注意力模块的输出端与若干个所述输出模块的输入端连接。
11、进一步，所述通过所述基于边界约束的息肉分割网络对所述预处理后的息肉图像进行识别分割处理，得到分割后的息肉图像这一步骤，其具体包括：
12、将所述预处理后的息肉图像输入至所述基于边界约束的息肉分割网络；
13、基于所述res2net-50主干网络模块，对所述预处理后的息肉图像进行特征映射处理，得到息肉特征图像；
14、基于所述相互优化模块，对所述息肉特征图像进行特征优化处理，得到相互优化后的息肉特征图像；
15、基于所述边界特征提取模块，对所述息肉特征图像进行边缘特征提取处理，得到边界息肉特征图像和边界息肉预测图像；
16、将所述边界息肉特征图像与所述相互优化后的息肉特征图像进行特征融合处理，得到具有边界特征信息的息肉特征图像；
17、基于所述卷积注意力模块，对所述具有边界特征信息的息肉特征图像进行空间注意力特征提取处理，得到具有边界特征信息的息肉注意力特征图像；
18、将所述具有边界特征信息的息肉注意力特征图像与所述边界息肉预测图像进行融合处理，得到融合后的边界息肉注意力特征图像；
19、基于所述输出模块，对所述融合后的边界息肉注意力特征图像进行特征抽取处理，得到分割后的息肉图像。
20、进一步，所述基于所述相互优化模块，对所述息肉特征图像进行特征优化处理，得到相互优化后的息肉特征图像这一步骤，其具体包括：
21、将所述息肉特征图像输入至所述相互优化模块，所述相互优化模块包括第一卷积层、第一批归一化层，第一relu激活函数、上采样层和下采样层；
22、基于所述第一卷积层，对所述息肉特征图像进行卷积处理，得到卷积后的息肉特征图像；
23、基于所述第一批归一化层，对所述卷积后的息肉特征图像进行批归一化处理，得到批归一化后的息肉特征图像；
24、基于所述第一relu激活函数，对所述批归一化后的息肉特征图像进行非线性映射处理，得到激活后的息肉特征图像；
25、基于所述上采样层，对所述激活后的息肉特征图像进行上采样处理，得到上采样后的息肉特征图像；
26、基于所述下采样层，对所述上采样后的息肉特征图像进行下采样处理，得到相互优化后的息肉特征图像。
27、进一步，所述基于所述边界特征提取模块，对所述息肉特征图像进行边缘特征提取处理，得到边界息肉特征图像和边界息肉预测图像这一步骤，其具体包括：
28、将所述息肉特征图像输入至所述边界特征提取模块，所述边界特征提取模块包括第一结构第一分支卷积层、第一结构第二分支卷积层、第二结构第一分支卷积层、第二结构第二分支卷积层、第三结构第一分支卷积层和第三结构第二分支卷积层；
29、基于所述第一结构第一分支卷积层，对所述息肉特征图像进行卷积处理，得到第一横轴息肉特征图像；
30、基于所述第一结构第二分支卷积层，对所述息肉特征图像进行卷积处理，得到第一纵轴息肉特征图像；
31、将所述第一横轴息肉特征图像与所述第一纵轴息肉特征图像进行融合处理，得到第一融合息肉特征图像；
32、基于所述第二结构第一分支卷积层，对第一融合息肉特征图像进行卷积处理，得到第二横轴息肉特征图像；
33、基于所述第二结构第二分支卷积层，对第一融合息肉特征图像进行卷积处理，得到第二纵轴息肉特征图像；
34、将所述第二横轴息肉特征图像与所述第二纵轴息肉特征图像进行融合处理，得到第二融合息肉特征图像；
35、基于所述第三结构第一分支卷积层，对第二融合息肉特征图像进行卷积处理，得到第三横轴息肉特征图像；
36、基于所述第三结构第二分支卷积层，对第二融合息肉特征图像进行卷积处理，得到第三纵轴息肉特征图像；
37、将所述第三横轴息肉特征图像与所述第三纵轴息肉特征图像进行融合处理，得到第三融合息肉特征图像，所述第三融合息肉特征图像包括边界息肉特征图像和边界息肉预测图像。
38、进一步，所述基于所述卷积注意力模块，对所述具有边界特征信息的息肉特征图像进行空间注意力特征提取处理，得到具有边界特征信息的息肉注意力特征图像这一步骤，其具体包括：
39、将所述具有边界特征信息的息肉特征图像输入至所述卷积注意力模块，所述卷积注意力模块包括通道注意力子模块和空间注意力子模块；
40、基于所述通道注意力子模块，对所述具有边界特征信息的息肉特征图像进行通道注意力提取处理，得到具有边界特征信息的息肉通道注意力特征图像；...
【技术保护点】
1.一种基于边界约束的息肉分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于边界约束的息肉分割方法，其特征在于，所述获取息肉图像并进行数据预处理，得到预处理后的息肉图像这一步骤，其具体包括：
3.根据权利要求1所述一种基于边界约束的息肉分割方法，其特征在于，所述基于边界约束的息肉分割网络包括若干个Res2Net-50主干网络模块、若干个相互优化模块、若干个卷积注意力模块、边界特征提取模块和若干个输出模块，若干个所述Res2Net-50主干网络模块的第一输出端与若干个所述相互优化模块的输入端连接，第一个所述Res2Net-50主干网络模块的第二输出端与所述边界特征提取模块的输入端连接，若干个所述相互优化模块的输出端、所述边界特征提取模块的输出端分别与若干个所述卷积注意力模块的输入端连接，若干个所述卷积注意力模块的输出端与若干个所述输出模块的输入端连接。
4.根据权利要求3所述一种基于边界约束的息肉分割方法，其特征在于，所述通过所述基于边界约束的息肉分割网络对所述预处理后的息肉图像进行识别分割处理，得到分割后的息肉图像这一步骤，其
5.根据权利要求4所述一种基于边界约束的息肉分割方法，其特征在于，所述基于所述相互优化模块，对所述息肉特征图像进行特征优化处理，得到相互优化后的息肉特征图像这一步骤，其具体包括：
6.根据权利要求4所述一种基于边界约束的息肉分割方法，其特征在于，所述基于所述边界特征提取模块，对所述息肉特征图像进行边缘特征提取处理，得到边界息肉特征图像和边界息肉预测图像这一步骤，其具体包括：
7.根据权利要求4所述一种基于边界约束的息肉分割方法，其特征在于，所述基于所述卷积注意力模块，对所述具有边界特征信息的息肉特征图像进行空间注意力特征提取处理，得到具有边界特征信息的息肉注意力特征图像这一步骤，其具体包括：
8.根据权利要求4所述一种基于边界约束的息肉分割方法，其特征在于，所述基于所述输出模块，对所述融合后的边界息肉注意力特征图像进行特征抽取处理，得到分割后的息肉图像这一步骤，其具体包括：
9.根据权利要求1所述一种基于边界约束的息肉分割方法，其特征在于，所述基于边界约束的息肉分割网络的损失函数包括加权二进制交叉熵损失函数、骰子损失函数和一致性增强损失函数。
10.一种基于边界约束的息肉分割系统，其特征在于，包括以下模块：
...【技术特征摘要】
1.一种基于边界约束的息肉分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于边界约束的息肉分割方法，其特征在于，所述获取息肉图像并进行数据预处理，得到预处理后的息肉图像这一步骤，其具体包括：
3.根据权利要求1所述一种基于边界约束的息肉分割方法，其特征在于，所述基于边界约束的息肉分割网络包括若干个res2net-50主干网络模块、若干个相互优化模块、若干个卷积注意力模块、边界特征提取模块和若干个输出模块，若干个所述res2net-50主干网络模块的第一输出端与若干个所述相互优化模块的输入端连接，第一个所述res2net-50主干网络模块的第二输出端与所述边界特征提取模块的输入端连接，若干个所述相互优化模块的输出端、所述边界特征提取模块的输出端分别与若干个所述卷积注意力模块的输入端连接，若干个所述卷积注意力模块的输出端与若干个所述输出模块的输入端连接。
4.根据权利要求3所述一种基于边界约束的息肉分割方法，其特征在于，所述通过所述基于边界约束的息肉分割网络对所述预处理后的息肉图像进行识别分割处理，得到分割后的息肉图像这一步骤，其具体包括：
5.根据权利要求4所述一种基于边...
【专利技术属性】
技术研发人员：沈俊羽，黄志青，
申请(专利权)人：广州恒沙云科技有限公司，
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。