【技术实现步骤摘要】
皮肤镜图像的分割方法、分割网络及分割网络构建方法
[0001]本专利技术涉及数字图像处理
,尤其涉及皮肤镜图像的分割方法、分割网络及分割网络构建方法。
技术介绍
[0002]皮肤镜是一种观察活体皮肤表面以下微细结构的无创性显微图像分析技术,对感兴趣区域的分割是医学图像分析的核心任务之一,也是定量分析中不可缺少的一步。如对皮肤镜图像中病变区域的分割,分割区域的形状、外观及位置对疾病的早期诊断具有重要意义。目前国际上已有皮肤镜图像自动分析诊断系统的报道,但由于皮肤镜图像中的病变区域往往呈现模糊的边界、多变的尺度与形状,使得病变区域的准确分割成为目前皮肤镜图像自动分析系统的瓶颈。
技术实现思路
[0003]为了克服现有技术中的缺陷,本专利技术实例提供了一种皮肤镜图像的分割方法、分割网络及分割网络构建方法,利用该分割网络分割皮肤镜图像能够捕捉并建模全局上下文关系,缓解待分割区域尺度大小不一,形态多变问题,对不确定性高的点进行二次预测,降低不确定性,提升分割精度。
[0004]为达到上述目的,本专利技术采用的技术方案是:一种皮肤镜图像的分割方法,包括以下步骤:
[0005]根据获取到的图像至少生成第二特征图和第三特征图;
[0006]对所述第二特征图中的特征进行提取并处理,形成第二修正图;
[0007]将所述第三特征图和所述第二修正图进行融合生成第一融合图;
[0008]对所述第一融合图中的不确定性点进行处理,将所述第一融合图中确定性点和经过处理后的第一融合图中的不 ...
【技术保护点】
【技术特征摘要】
1.一种皮肤镜图像的分割方法,其特征在于,包括以下步骤:根据获取到的图像至少生成第二特征图和第三特征图;对所述第二特征图中的特征进行提取并处理,形成第二修正图;将所述第三特征图和所述第二修正图进行融合生成第一融合图;对所述第一融合图中的不确定性点进行处理,将所述第一融合图中确定性点和经过处理后的第一融合图中的不确定性点进行处理生成第一融合修正图。2.根据权利要求1所述的皮肤镜图像的分割方法,其特征在于:步骤“根据获取到的图像至少生成第二特征图和第三特征图”包括:对所述第二特征图进行下采样处理生成第三预设特征图,根据空洞空间金字塔模块和所述第三预设特征图生成第三特征图。3.根据权利要求1所述的皮肤镜图像的分割方法,其特征在于:步骤“对所述第二特征图中的特征进行提取并处理,形成第二修正图”包括:基于多头自注意力上下文感知模块对所述第二特征图中的特征进行提取并处理,形成第二修正图。4.根据权利要求3所述的皮肤镜图像的分割方法,其特征在于:步骤“对所述第二特征图中的特征进行提取并处理,形成第二修正图”包括:由编码块从所述第二特征图中提取特征F;对编码块提取的特征F使用三个不同的卷积层Q、K、V将其映射到嵌入空间,得到特征图F
Q
、F
K
、F
V
;将F
Q
、F
K
、F
V
的通道维度映射为C,降低参数量,得到嵌入空间中特征图F
Q
、F
K
、F
V
的通道维度均为H
×
W
×
C;调整特征图F
Q
和F
k
的形状为HW
×
C,并将F
Q
进行转置,使F
Q
的形状变为C
×
HW;对F
Q
和F
k
使用矩阵乘法,得到HW
×
HW大小的特征图F
T
;利用位置编码图E对特征图中的相对位置进行编码,位置编码图E的大小为HW
×
HW,其中,每个像素点的值E(i,j)表示第i个位置与第j个位置的相对关系;根据Att=softmax(F
T
+E),得注意力权值图Att,其中,注意力权值图Att的大小为HW
×
HW,Att(i,j)表示第i个像素值与第j个像素值的依赖关系,F
T
为HW
×
HW大小的特征图,E表示位置编码;将Att转置并与特征图F
V
作矩阵乘法,以残差连接的形式加上特征F,得到筛选后的特征F
’
;在所述解码块内串联特征F
’
恢复图像,形成所述第二修正图。5.根据权利要求1所述的皮肤镜图像的分割方法,其特征在于:步骤“对所述第一融合图中的不确定性点进行处理,将所述第一融合图中确定性点和经过处理后的第一融合图中的不确定性点进行处理生成第一融合修正图”包括:基于不确定性降低模块对第一融合图中的不确定性点进行处理,将所述第一融合图中确定性...
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。