【技术实现步骤摘要】
一种息肉分割方法、装置、计算机设备及存储介质
[0001]本专利技术涉及图像处理
，特别涉及一种息肉分割方法、装置、计算机设备及存储介质。
技术介绍
[0002]大肠癌是全球发病率第三和死亡率第二高的癌症，成为威胁人类生命安全的主要杀手之一。而大多数大肠癌开始于腺瘤性息肉，随着时间的推移，从最初的良性息肉转变成恶性肿瘤。对大肠息肉进行早期筛查可将大肠癌的生存率提高至90％，因此早期发现并切除息肉对遏制大肠癌的发生至关重要。在临床工作中，内窥镜检查有利于医生直观地观察病灶的形态特征，被认为是筛查大肠息肉的金标准。但由于息肉大小、位置和纹理的多样化，以及内窥镜收回技术、肠道质量准备情况和内窥镜医师的技能不同，准确检测大肠息肉仍然是一个挑战。据调查显示，大多数大肠癌发生在未及时进行内窥镜检查的患者中，而即使在及时进行内窥镜检查后，仍有6％～9％的概率发生大肠癌，造成这一现象的主要原因在于内窥镜检查中扁平型息肉和小型息肉的漏诊率较高。因此，提高大肠息肉的准确率，减低扁平型息肉和小型息肉的漏诊率尤为重要。随着计算机技术和深度学习...
【技术保护点】
【技术特征摘要】
1.一种息肉分割方法，其特征在于，包括：获取待分割的息肉图像，利用Res2Net网络对所述息肉图像进行特征提取，得到多层特征图；利用纹理增强模块对每一层特征图进行细化处理，然后利用跨层特征融合模块对多层特征图进行特征融合，得到目标息肉分割粗略预测图；将每一层特征图分别输入至分组监督上下文模块，通过所述分组监督上下文模块将所述目标息肉分割粗略预测图与多层特征图进行上下文结合；将上下文结合结果作为最终的息肉分割预测图，以此构建息肉分割网络；利用所述息肉分割网络对指定的息肉图像进行分割处理。2.根据权利要求1所述的息肉分割方法，其特征在于，所述获取待分割的息肉图像，利用Res2Net网络对所述息肉图像进行特征提取，得到多层特征图，包括：利用Res2Net网络提取所述息肉图像的前五层特征图，并分别标记为其中，R代表实数域，H表示特征图的高度，W表示特征图的宽度，i表示第i层特征图，i∈{1,2,3,4,5}，C
i
表示第i层特征图的通道维度，C
i
∈{64,256,512,1024,2048}。3.根据权利要求2所述的息肉分割方法，其特征在于，所述利用纹理增强模块对每一层特征图进行细化处理，然后利用跨层特征融合模块对多层特征图进行特征融合，得到目标息肉分割粗略预测图，包括：选取五层特征图中的四层特征图作为第一目标特征图输入至所述纹理增强模块，其中，选取的四层特征图为X
i
,i∈{2,3,4,5}；利用纹理增强模块对每一第一目标特征图依次进行1
×
1卷积、(2λ
‑
1)
×
(2λ
‑
1),(λ∈{1,2,3,4})卷积和3
×
3空洞卷积操作，然后输出每一层第一目标特征图对应的第二目标特征图其中，3
×
3空洞卷积的空洞率为(2λ
‑
1)，λ≥2，λ表示第i层第一目标特征图对应的纹理增强模块分支。4.根据权利要求3所述的息肉分割方法，其特征在于，所述利用纹理增强模块对每一层特征图进行细化处理，然后利用跨层特征融合模块对多层特征图进行特征融合，得到目标息肉分割粗略预测图，还包括：利用空间注意力模块计算得到第二层第二目标特征图X'2的空间权重信息按照下式，对剩余第二目标特征图进行3
×
3卷积和相邻层连接操作：式中，CBR3代表第二目标特征图依次经过3
×
3卷积操作、批标准化处理和激活函数处理，U(
·
)表示进行上采样操作；表示像素级相乘；基于连接操作的结果，按照下式对剩余第二目标特征图进行融合处理，得到融合特征X
cc
∈R
32
×
H/8
×
W/8
：
式中，表示在通道维度进行拼接；利用通道注意力模块计算得到所述融合特征的通道权重信息按照下式，基于所述空间权重信息和通道权重信息对四层第二目标特征图进行融合，得到所述目标息肉分割粗略预测图P
c
：式中，CBR
331
表示依次经过两个3
×
3卷积、...
【专利技术属性】
技术研发人员：岳广辉，韩婉婉，周天薇，李思莹，李苑，汪天富，
申请(专利权)人：深圳大学，
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。