【技术实现步骤摘要】
本专利技术涉及图像分割，尤其涉及一种u形神经网络皮肤病变分割方法及设备。
技术介绍
1、皮肤癌及各种色素性皮肤病正严重威胁着人类的健康。传统的皮肤病变图像分割方法受图像中毛发、水泡等杂质的影响,分割效果不理想且费时费力，有必要研究自动皮肤病变图像分割。自动皮肤病变图像分割是计算机视觉辅助诊断的关键要素之一，自动分割不仅可以避免人为差异还能快速找到病变区域。近年来，基于深度学习的皮肤病变图像分割已成为研究热点，cnn模型在皮肤病变图像分割中得到广泛应用，但由于有限的感受野和固有的归纳偏差，cnn 在远程建模能力方面表现出局限性，无法在图像中构建全局上下文和远程依赖关系，通常会忽略图像的全局信息，造成误分割，因此限制了其在皮肤病变图像分割中的性能。transformer 和mamba可以对全局上下文信息进行建模，但transformer 受到其二次计算复杂度的限制，需要更多的计算资源。此外，受到病变皮肤的尺度变化较大、病变区域形状不规则、病变与周围皮肤之间的对比度低、病变边界模糊、图像背景干扰等因数影响，现有技术对于皮肤病变定位和精细边界勾勒的能力还远远不够，在皮肤镜图像中准确分割皮肤病变仍然存在较大困难。
技术实现思路
1、有鉴于此,本专利技术的目的在于提供一种u形神经网络皮肤病变分割方法及设备，用于解决现有的皮肤图像分割精确度不高的问题。
2、本专利技术提供了一种u形神经网络皮肤病变分割方法，包括：
3、s1：获取皮肤病变图像集合，对皮肤病变图像集合进行预处
4、s2：构建u形神经网络，通过训练数据集合对u形神经网络进行训练，获得训练好的u形神经网络；
5、s3：将待分割的皮肤病变图像输入训练好的u形神经网络，获得分割后的皮肤病变图像。
6、优选的：
7、u形神经网络包括：第一卷积层、第一编码层、第二编码层、第三编码层、第四编码层、第一解码层、第二解码层、第三解码层、第四解码层、第二卷积层、空间注意力模块和通道注意力模块；
8、第一卷积层、第一编码层、第二编码层、第三编码层、第四编码层、第一解码层、第二解码层、第三解码层、第四解码层和第二卷积层依次连接；
9、第一卷积层、第一编码层、第二编码层和第三编码层与空间注意力模块连接，空间注意力模块与通道注意力模块连接，通道注意力模块与第二卷积层、第四解码层、第三解码层和第二解码层连接。
10、优选的：
11、编码层包括融合卷积曼巴模块和下采样模块，融合卷积曼巴模块的输出作为下采样模块的输入。
12、优选的：
13、解码层包括融合卷积曼巴模块和上采样模块，融合卷积曼巴模块的输出作为上采样模块的输入。
14、优选的：
15、融合卷积曼巴模块包括：双并行视觉曼巴模块和融合模块；
16、双并行视觉曼巴模块包括：第一视觉状态空间模块和第二视觉状态空间模块；
17、融合模块包括依次连接的第一1×1卷积模块、残差块和第二1×1卷积模块；
18、残差块包括依次连接的第一3×3卷积模块和第二3×3卷积模块；
19、融合卷积曼巴模块的输入端与第一视觉状态空间模块、第二视觉状态空间模块和第一1×1卷积模块连接；
20、第一视觉状态空间模块和第二视觉状态空间模块与第一3×3卷积模块连接；
21、融合卷积曼巴模块的输入端与融合卷积曼巴模块的输出端残差连接；
22、第一3×3卷积模块的输入端与第二1×1卷积模块的输入端残差连接。
23、优选的：
24、融合卷积曼巴模块的输出特征图fout的表达式为：
25、
26、其中，f表示输入图像，tpvmblock（）表示经过双并行视觉曼巴模块的处理，conv1×1（）表示经过1×1卷积模块的处理，表示经过残差块的处理。
27、优选的，步骤s2具体为：
28、s21：获取真实标签集合和真实值；
29、s22：将训练数据集合输入u形神经网络，计算获得预测标签集合和预测值；
30、s23：通过真实标签集合、真实值、预测标签集合和预测值，计算获得总损失；
31、s24：自适应矩估计优化器根据总损失调节u形神经网络的参数；
32、s25：重复步骤s22-s24，直至总损失小于预设值，获得训练好的u形神经网络。
33、优选的：
34、总损失的计算公式为：
35、
36、其中，lbce和ldice分别表示二元交叉熵损失和dice损失，n为训练数据的总数，i为训练数据的编号，yi为第i个真实标签，pi为第i个预测标签，|x|和|y|分别表示真实值和预测值，λ1和λ2分别表示lbce和ldice的权重。
37、优选的，步骤s3具体为：
38、s31：待分割的皮肤病变图像经过第一卷积层、第一编码层、第二编码层、第三编码层和第四编码层，分别获得32、64、128、256和512通道分割图像；
39、s32：32、64、128和256通道分割图像经过空间注意力模块和通道注意力模块对应输入至第二卷积层、第四解码层、第三解码层和第二解码层，512通道分割图像输入至第一解码层，第二卷积层输出分割后的皮肤病变图像。
40、一种u形神经网络皮肤病变分割设备，包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现所述的u形神经网络皮肤病变分割方法。
41、本专利技术具有以下有益效果：
42、本专利技术的u形神经网络由融合卷积曼巴模块组成编码和解码器，可以提取丰富的特征，对边界模糊和对比度低的皮肤病变能达到更好的分割效果，同时结合空间注意力模块和通道注意力模块可以实现多层级和多尺度的信息融合，实现了高精度的皮肤病变分割。
43、融合卷积曼巴模块对于整体分割性能有显著正向影响，特别是在提取全局和局部特征上，全局信息有助于理解病变的整体结构及其与背景的关系，从而更准确地定位病变区域，局部信息则帮助捕捉病变边缘特征和角落细节，提高模型性能，有效解决了皮肤病变图像中目标与背景相似、边界模糊的问题，实现了皮肤病变的精确分割；融合卷积曼巴模块内包含了双并行视觉曼巴模块，双并行视觉曼巴模块可以扩大模型的感受野从而加强对不同尺度目标的敏感能力，进一步提高图像分割的精确度。
本文档来自技高网...【技术保护点】
1.一种U形神经网络皮肤病变分割方法，其特征在于，包括：
2.根据权利要求1所述的U形神经网络皮肤病变分割方法，其特征在于：
3.根据权利要求2所述的U形神经网络皮肤病变分割方法，其特征在于：
4.根据权利要求2所述的U形神经网络皮肤病变分割方法，其特征在于：
5.根据权利要求1所述的U形神经网络皮肤病变分割方法，其特征在于，步骤S2具体为：
6.根据权利要求5所述的U形神经网络皮肤病变分割方法，其特征在于：
7.根据权利要求2所述的U形神经网络皮肤病变分割方法，其特征在于，步骤S3具体为：
8.一种U形神经网络皮肤病变分割设备，其特征在于：包括：处理器及存储介质；所述处理器加载并执行存储介质中的指令及数据用于实现权利要求1~7任一项所述的U形神经网络皮肤病变分割方法。
【技术特征摘要】
1.一种u形神经网络皮肤病变分割方法，其特征在于，包括：
2.根据权利要求1所述的u形神经网络皮肤病变分割方法，其特征在于：
3.根据权利要求2所述的u形神经网络皮肤病变分割方法，其特征在于：
4.根据权利要求2所述的u形神经网络皮肤病变分割方法，其特征在于：
5.根据权利要求1所述的u形神经网络皮肤病变分割方法，其特征在于，步骤s...
【专利技术属性】
技术研发人员：龚世凯，周林，黄波，郑舒，
申请(专利权)人：中国地质大学武汉，
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。