基于增强型多尺度特征的深度学习结直肠癌息肉分割装置制造方法及图纸

本发明专利技术公开了一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，所述装置包括：数据预处理模块，用于对结直肠癌息肉图像数据的分辨率进行调整和归一化处理；编码器模块，使用多尺度残差结构的特征提取器和能捕获多尺度感受野的感受野块组件对息肉的多样性特征进行提取；解码器模块，利用密集型多尺度跳跃连接传递上下文信息实现分割细节，通过局部上下文提供的注意力机制完成边界分割；并在上采样过程中使用深监督技术校准，减轻在训练时的梯度消失或爆炸现象。本发明专利技术解决了小息肉难以分辨和定位、以及息肉与周围组织边界模糊不清的问题，同时深监督机制的引入优化了网络模型的梯度，加快了网络模型的收敛，缩短了网络模型的训练时间。络模型的训练时间。络模型的训练时间。

【技术实现步骤摘要】
基于增强型多尺度特征的深度学习结直肠癌息肉分割装置


[0001]本专利技术涉及基于深度学习的图像分割领域，尤其涉及一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置。

技术介绍

[0002]结直肠癌(colorectal cancer,CRC)是世界上最常见的恶性肿瘤之一，它的死亡率在所有癌症中排名第三。研究表明，多数结直肠癌患者被发现时已经是中晚期伴随着转移，而95％的结直肠癌是由结直肠腺瘤性息肉引起的，整个发展过程大概需要5
‑
10年。在腺瘤性息肉(polyp)阶段将病灶切除，就可以及时预防结直肠癌。因此，息肉的早期检测就显得尤为重要。
[0003]结肠镜检查(colonoscopy)被认为是早期检查和切除息肉的最佳诊断工具，是结肠癌筛查的金标准。然而，结肠镜检查质量较低导致漏诊率较高，其中国外息肉的漏诊率为6％
‑
27％，国内的漏诊率约为22.5％。这是由于结肠镜检查需要内窥镜医生手动操作，是一种相对主观的检查方式，进行手术操作医生的技术水平是影响结肠镜检查质量的主要因素。因此，借助人工智能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，所述装置包括：数据预处理模块，用于对结直肠癌息肉图像数据的分辨率进行调整和归一化处理；编码器模块，使用多尺度残差结构的特征提取器和能捕获多尺度感受野的感受野块组件对息肉的多样性特征进行提取；解码器模块，利用密集型多尺度跳跃连接传递上下文信息实现分割细节，通过局部上下文提供的注意力机制完成边界分割；并在上采样过程中使用深监督技术校准，减轻在训练时的梯度消失或爆炸现象。2.根据权利要求1所述的一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，所述特征提取器用于提取息肉图像的多样性特征，所述特征提取器由五个编码器块组成，将输出的特征图定义为：E＝[E1,E2,E3,E4,E5]其中，E1，E2，E3,E4,E5均为特征。3.根据权利要求2所述的一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，将E3,E4,E5定义为高级特征，在所述高级特征对应的编码器块后加入感受野块组件，获取输出的特征图的多尺度感受野，将感受野块组件的输出特征表示为：R
i
＝RFB(E
i
),i＝3,4,5其中，E
i
表示编码器块输出的拥有高级语义的特征，R
i
表示具备多尺度感受野的特征。4.根据权利要求2所述的一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，所述解码器模块包括：多尺度跳跃连接、局部上下文子模块及深监督子模块。5.根据权利要求4所述的一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，所述多尺度跳跃连接为：上采样过程中使用多尺度跳跃连接传输来自编码器模块的特征，解码器模块的特征定义为：D＝[D1,D2,D3,D4,D5]对于每一个特征D
i
由下述公式得到：D5＝R5D4＝
⊙
(C(
↓
(E1)),C(

【专利技术属性】
技术研发人员：汪淼，安兴伟，明东，刘钢，杭伟，李宁，
申请(专利权)人：天津大学，
类型：发明
国别省市：