一种黑色素癌图像的分割方法及网络技术

一种黑色素癌图像的分割方法及网络，方法包括：(1)对皮肤镜检查图像进行图像预处理；(2)构建用于黑色素癌图像分割的轻量级皮肤癌分割网络，该网络采用编码器

【技术实现步骤摘要】
一种黑色素癌图像的分割方法及网络


[0001]本专利技术涉及医学图像处理的
，尤其涉及一种黑色素癌图像的分割方法，以及黑色素癌图像的分割网络，其通过对输入的皮肤癌图像给出语义分割结果，为黑色素癌自动化监测系统提供可靠的待处理数据。

技术介绍

[0002]黑色素瘤是黑色素细胞恶变而来的肿瘤，恶性程度高，多发于皮肤。虽然黑色素瘤发病率和死亡率没有那么高，但以6％～7％的增长速度逐年递增，在美国肿瘤学年会(ASCO)的报道中，它已经成为发病率增长最快的肿瘤之一。尤其在我国，黑色素发病呈快速增长趋势，每年新发病例约2万人，死亡率也逐年快速上升。临床发现，黑色素瘤分期越早，治愈可能性越大；分期越晚，治疗难度越高，预后越差。因此，这种皮肤癌的早期检测至关重要。
[0003]目前，利用皮肤镜检查图像来诊断这种癌症是最常用的方法。然而，目前的皮肤镜检查图像大多由皮肤科医生手动分析，费时、费钱、费力，同时，每位皮肤科医生的诊断结果容易出现偏差。
[0004]近年来,随着硬件设备和神经网络理论的发展,深度学习已经在包括医学图像分析的诸多领域取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑色素癌图像的分割方法，其特征在于：该方法包括以下步骤：(1)对皮肤镜检查图像进行图像预处理；(2)构建用于黑色素癌图像分割的轻量级皮肤癌分割网络，该网络采用编码器
‑
解码器的结构，包括以下分步骤：(2.1)编码器利用深度可分离卷积和通道随机融合的手段在降低网络参数的同时，保证通道间的信息交流，提取更加有用的特征信息；(2.2)解码器采用注意力机制并结合新的特征融合方式，来保证低层阶段更相关的特征信息和高层阶段的特征信息进行融合，以提高分割的准确率；(2.3)通过全局平均池化层来计算得分获取分割结果。2.根据权利要求1所述的黑色素癌图像的分割方法，其特征在于：所述步骤(1)中，对图像进行色彩恒常性处理，基于算法Frankle
‑
McCann Retinex对原始图像进行预处理，使原始图像忽略不同光照条件下的影响，尽量还原图像本来的颜色；对图像进行形态学变化的闭合操作去除病变部分毛发的影响；对图像进行对比度增强，得到输送给卷积神经网络的数据。3.根据权利要求2所述的黑色素癌图像的分割方法，其特征在于：所述步骤(2.1)中，深度分离随机通道模块利用1X1的像素级精度的卷积核对当前输入通道进行扩展，之后经过channel shuffle操作使通道间的信息能够充分的结合，之后将处理的结果经过3X3的深度卷积进一步获得特征图信息，最后经过1X1的pointwise卷积核进行降维，得到的特征图与原输入数据进行结合进行倒残差学习。4.根据权利要求3所述的黑色素癌图像的分割方法，其特征在于：所述步骤(2.2)中，优化注意力模块使用全局平均池化去捕捉全局上下文信息并计算一个注意力向量去引导特征学习。5.根据权利要求4所述的黑色素癌图像的分割方法，其特征在于：所述步骤(2.3)中，特征融合模块首先对两个分支提取到的特征进行串行的拼接操作，经传统卷积网络处理得到初步特征F，对特征F进一步利用全局平局池化得到统一的特征信息F',经过relu激活函数增加了特征学习的...

【专利技术属性】
技术研发人员：王志强，范蕊，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：