一种基于改进注意力模块的医疗影像分割方法及装置制造方法及图纸

本发明专利技术公开了一种图像处理方法、装置、计算机设备及存储介质。该方法包括：获取目标图像的目标张量数据；将目标张量数据输入至目标神经网络模型，目标神经网络模型包括编码器、解码器和注意力模块；编码器用于根据目标张量数据进行降采样，得到第一特征矩阵；注意力模块用于根据第一特征矩阵进行空洞卷积，得到第二特征矩阵；根据第二特征矩阵确定原始注意力图；根据原始注意力图确定空洞注意力图；根据第一特征矩阵和空洞注意力图确定第三特征矩阵；将第三特征矩阵输出值解码器；解码器用于根据第三特征矩阵进行上采样，得到图像分割结果；根据目标神经网络模型的输出进行目标图像的分割反馈。能够提高图像分割的准确性。能够提高图像分割的准确性。能够提高图像分割的准确性。

【技术实现步骤摘要】
一种基于改进注意力模块的医疗影像分割方法及装置


[0001]本专利技术实施例涉及机器学习技术，尤其涉及一种图像处理方法、装置、计 算机设备及存储介质。

技术介绍

[0002]医学图像分割是计算机辅助诊断中的一项重要任务，但由于目标物体形状 不规则、边界模糊等原因，分割工作一直具有挑战性。因此，对于识别这些不 同尺度的复杂目标对象，需要准确可靠的分割方法。
[0003]随着深度卷积神经网络(Convolutional Neural Networks，CNNs)的发展，出 现了U型神经网络U
‑
Net，以及将U
‑
Net与注意力机制进行融合的技术方案。 但是，目前结合注意力机制的U
‑
Net无法对医学图像中不同形状和尺度的目标 进行准确的分割，图像分割的准确性低。

技术实现思路

[0004]本专利技术提供一种图像处理方法、装置、计算机设备及存储介质，以实现提 高图像分割的准确性。
[0005]第一方面，本专利技术实施例提供了一种图像处理方法，包括：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取目标图像的目标张量数据；将所述目标张量数据输入至目标神经网络模型，所述目标神经网络模型包括编码器、解码器和注意力模块；所述编码器用于根据所述目标张量数据进行降采样，得到第一特征矩阵；所述注意力模块用于根据所述第一特征矩阵进行空洞卷积，得到第二特征矩阵；根据所述第二特征矩阵确定原始注意力图；根据所述原始注意力图确定空洞注意力图；根据所述第一特征矩阵和所述空洞注意力图确定第三特征矩阵；将所述第三特征矩阵输出值解码器；所述解码器用于根据所述第三特征矩阵进行上采样，得到图像分割结果；根据所述目标神经网络模型的输出进行所述目标图像的分割反馈。2.根据权利要求1所述的方法，其特征在于，所述注意力模块用于根据所述第一特征矩阵进行空洞卷积，得到第二特征矩阵，包括：分别根据多个空洞卷积对所述第一特征矩阵进行空洞卷积，得到多个第二特征矩阵，每个所述空洞卷积与所述第二特征矩阵一一对应；相应的，所述根据所述第二特征矩阵确定原始注意力图，包括：根据所述多个第二特征矩阵进行相互的矩阵乘，得到矩阵乘结果；根据所述矩阵乘结果确定原始注意力图；相应的，所述根据所述原始注意力图确定空洞注意力图，包括：将所述原始注意力图进行传递闭包运算，得到空洞注意力图；相应的，所述根据所述第一特征矩阵和所述空洞注意力图确定第三特征矩阵，包括：将所述第一特征矩阵与所述空洞注意力图相乘，得到第三特征矩阵。3.根据权利要求1所述的方法，其特征在于，获取目标图像的目标张量数据，包括：根据预设的预处理方式对所述目标图像进行预处理，得到预处理图像，所述预处理方式包括图像裁剪方式和图像归一化方式；根据所述预处理图像确定目标张量数据。4.根据权利要求1所述的方法，其特征在于，所述目标图像为医疗影像图像，所述医疗影像图像包括：使用计算机断层扫描的图像、核磁共振图像、高清摄像机拍摄图像...

【专利技术属性】
技术研发人员：李郁欣，曹加旺，刘学玲，冯瑞，耿道颖，
申请(专利权)人：复旦大学附属华山医院，
类型：发明
国别省市：