【技术实现步骤摘要】
一种融合通道和空间注意力的卷积神经网络息肉分割方法
[0001]本专利技术涉及医学图像分割和人工智能
,具体涉及一种融合通道和空间注意力的卷积神经网络息肉分割方法。
技术介绍
[0002]结直肠癌(CRC)是临床医学中最常见的诊断癌症之一,而结肠息肉往往是病变的最初表现形式。早期的息肉大多为良性,但如果不能够得到及时的治疗,随着时间的推移,部分结肠息肉会发展为结肠癌。息肉分割是对结肠镜采集的视频或者图像进行分割,辅助医生进行诊断和病理分析,以达到提高诊断效率和减少误诊率的作用,在结直肠癌的筛查和诊疗过程中扮演者不可或缺的角色。但由于息肉的形态差异大、边界模糊,使得息肉很难被精确的分割,导致漏检、误检的情况时有发生。由此可见,精确的息肉分割是一项具有挑战性的医学图像分析任务,对临床预防结直肠癌有着重要的意义。
[0003]传统的息肉分割方法主要基于颜色,纹理,形状等浅层特征或者通过组合这些特征来进行处理。这类方法不仅费时费力,分割效果往往较差,难以真正应用于临床实践。自全卷积网络(FCN)被Long提出以来,神经网络在图像分割领域取得了巨大的成功。FCN是首个用于语义分割的网络模型,将卷积神经网络开创性地引入到了语义分割领域,并且在图像分割中取得了不错的结果。Akbari等将改进的FCN应用到息肉分割中,相较于FCN提高了分割的准确性。进一步地,U
‑
Net在FCN的基础上,使用对称的编码器
‑
解码器结构,在医学分割领域取得了不错的成绩。在U
‑
Net
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种融合通道和空间注意力的卷积神经网络息肉分割方法,其特征在于,包括以下步骤:(1)准备数据集,分为训练和测试数据集;(2)利用残差模块作为编码器提取图像的特征;(3)利用双重挤压激励模块增强瓶颈层对高级特征的提取能力;(4)在解码器使用通道和空间组合的注意力模块,从通道和空间两个层面上关注关键区域,从提取到的特征选择最相关的特征,抑制不相关的特征,提高分割精度;此外使用跨层融合的方式,捕获上下文信息,细化分割的边界,通过解码器,最终生成全局预测图Sg;所述通道和空间组合的注意力模块,通过并联和嵌套两种方式将通道注意力和空间注意力融合使用;整个模块分为a,b,c三路,在通路a中,首先将输入的特征通过一个双重挤压激励模块模块进行特征增强,生成特征图M
c
,然后将M
c
进行两次3
×
3的卷积实现非线性变换,再次使用双重挤压激励模块模块进行特征增强,得到权重矩阵M
v
;在通路b中,特征图进行一次1
×
1的卷积操作,其通道数降为原来的一半,然后再进行批归一化和一个1
×
1的卷积操作,通道数降为1,最后由Sigmoid函数得到空间权重M
q
;在通路c中,特征图经过两次3
×
3的卷积操作后,通道数减半,然后再经过一个双重挤压激励模块模块处理,生成特征图M
k
,通过点乘的方式,将通路b中得到的特征权重M
q
与通路c中得到的特征图M
k
相乘,为M
k
的每个通道中各个像素分配权重,生成特征图M
s
,再利用矩阵乘法,将M
s
与通路a中得到的特征图M
v
结合起来,生成新的特征M
att
,然后,选用M
att
作为权重矩阵,通过点乘的方式与M
c
相乘,得到M
r
,最后通过特征融合的方式,将M
c
与M
r
结合起来,形成该层的分割结果M
final
,用公式可以表示为:M
final
=concat(M
r
,M
c
)
ꢀꢀꢀꢀꢀꢀ
(1)其中,M
c
和M
r
分别表示为:M
c
=d(x)
ꢀꢀꢀꢀ
(2)M
r
=M
c
·
M
att
ꢀꢀꢀꢀ
(3)M
att
又可以表示为:M
att
=(M
q
·
M
k
)
×
M
v
ꢀꢀꢀꢀ
(4)其中M表示特征图,concat(
·
,
·
)表示连接操作,d(
技术研发人员:束鑫,王佳树,顾迎燕,徐丹,史金龙,高尚,
申请(专利权)人:江苏科技大学,
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。