【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种基于并行特征增强和注意机制的像素级息肉分割方法。
技术介绍
1、结直肠癌起源于良性息肉，如果在腺瘤发展成癌症之前发现并切除，是可以预防的。因此，早期的筛查以及诊断在结直肠癌预防和治疗中发挥关键作用。结肠镜检查是筛查结肠病变的常见方法[1]，但是由于息肉外观上具有多样性，医生长时间工作视觉疲劳等因素会导致息肉错检或漏检。因此，研究开发计算机辅助工具来帮助内窥镜医生进行判断是非常重要的。
2、在计算机视觉领域，图像分割被视为一个重要的研究方向。利用深度学习技术进行息肉分割可以端到端地学习图像的特征，适应不同数据集，帮助医生快速确定息肉位置。brandao等人[2]采用全卷积网络来识别和分割结肠镜图像中的息肉，将三个已有的网络转换为全卷积的结构，并对其学习的表征进行微调，完成息肉图像分割任务，但这种方法缺乏浅层信息和高层信息的融合。2019年，jha等人[3]提出resunet++应用于息肉分割，它结合深度残差学习[4]和u-net[5]架构的优势。残差块在各个层上传播信息，构建更深层的神经网络，解决每个编码器的退化问题。针对息肉与其周围粘膜之间边界不清晰的问题，fan等人设计pranet[6]，利用反向注意力建立区域和边界线索之间的关系，挖掘边界线索。考虑到解决息肉分割中编码器和解码器之间传递信息时，不同级别的特征对分割任务贡献不同，dong等人提出polyp-pvt[7]。它采用金字塔视觉变换器作为编码器，对低级特征和高级特征分别处理，再利用相似度聚合模块(sam)将具有高层语义位
3、[1]洪志军,赵晓宇,王承芳.结直肠癌筛查研究现状[j].大连医科大学学报,2022,44(6):534-538.
4、[2]brandao p,mazomenos e,ciuti g,et al.fully convolutional neuralnetworks for polyp segmentation in colonoscopy[c]//medical imaging 2017:computer-aided diagnosis.spie,2017,10134:101-107.
5、[3]jha d,smedsrud p h,riegler m a,et al.resunet++:an advancedarchitecture for medical image segmentation:2019ieee international symposiumon multimedia(ism)[c]:ieee,2019
6、[4]k.he,x.zhang,s.ren,and j.sun,“deep residual learning for imagerecognition,”in proceedings of ieee conference on computer vision and patternrecognition(cvpr),2016,pp.770–778.
7、[5]o ronneberger,p.fischer,t.brox.u-net:convolutional networks forbiomedical image segmentation[c].in:international conference on medical imagecomputing and computer-assisted intervention,springer,cham,2015,pp.234-241.
8、[6]d p fan,g p ji,t zhou,et al.pranet:parallel reverse attentionnetwork for polyp segmentation[c].in:international conference on medicalimage computing and computer-assisted intervention:springer,2020,pp.263-273
9、[7]dong b,wang w,fan d p,et al.polyp-pvt:polyp segmentationwithpyramid vision transformers[j].arxiv preprint arxiv:2108.06932,2021
10、[8]zhao x,zhang l,lu h.automatic polyp segmentation via multi-scalesubtraction network[c].international conference on medical image computingand computerassisted intervention,virtual event,2021,120-130
11、[9]zhou t,zhou y,he k,et al.cross-level feature aggregation networkfor polyp segmentation[j].pattern recognition,2023,140:109555
12、[10]shao h,zhang y,hou q.polyper:boundary sensitive polypsegmentation[c]//proceedings of the aaai conference on artificialintelligence.2024,38(5):4731-4739。
技术实现思路
1、针对现有技术存在的缺陷和不足，本专利技术提出一种基于并行特征增强与注意力机制的像素级息肉分割方法。所基于的网络模型采用hardnet68作为编码器提取多尺度特征信息。在跳跃连接部分，嵌入并行特征增强模块提取特征的高级表示。同时，利用并行部分解码器聚合高级特征，生成一个全局指导。最后，采用反向注意力模块引导信息从全局范围向局部范围进行传播，增强边界特征的融合和细化。
2、本专利技术具体采用以下技术方案：
3、一种基于并行特征增强和注意机本文档来自技高网...
【技术保护点】
1.一种基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：
2.根据权利要求1所述的基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：所述并行特征增强模块结合多个具有不同扩张率的扩张卷积层，每个扩张卷积层的输出都连接一个通道注意力机制模块和一个空间注意力机制模块；在每个扩张卷积层的输出特征之间拼接后，将原始输入特征直接与增强后的特征相加以保留原始特征的信息并增强网络的表达能力；最后，将拼接后的特征图使用ReLU激活函数处理并传递给一个1x1卷积层进行维度变换获得更详细准确的特征集。
3.根据权利要求1所述的基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：所述并行部分解码器中，每个特征先经过一个感受野模块RFB以增强卷积神经网络特征表示；然后每个特征再通过逐个元素的乘法执行聚合；最后，经过一个卷积和激活操作，得到一个全局映射Sg＝pd(f3,f4,f5)，作为反向注意力模块RA的全局指导。
4.根据权利要求1所述的基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：
5.一种基于并行特征增强和注
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的基于并行特征增强和注意机制的像素级息肉分割方法的步骤。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-4任一项所述的基于并行特征增强和注意机制的像素级息肉分割方法的步骤。
...【技术特征摘要】
1.一种基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：
2.根据权利要求1所述的基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：所述并行特征增强模块结合多个具有不同扩张率的扩张卷积层，每个扩张卷积层的输出都连接一个通道注意力机制模块和一个空间注意力机制模块；在每个扩张卷积层的输出特征之间拼接后，将原始输入特征直接与增强后的特征相加以保留原始特征的信息并增强网络的表达能力；最后，将拼接后的特征图使用relu激活函数处理并传递给一个1x1卷积层进行维度变换获得更详细准确的特征集。
3.根据权利要求1所述的基于并行特征增强和注意机制的像素级息肉分割方法，其特征在于：所述并行部分解码器中，每个特征先经过一个感受野模块rfb以增强卷积神经网络特征表示；然后每个特征再通过逐个元素的乘法执行聚合；最后，经过一个卷积和激...
【专利技术属性】
技术研发人员：徐海平，王杰，李佐勇，程雪松，滕升华，
申请(专利权)人：闽江学院，
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。