一种基于分层注意力机制的胃癌病灶区域分割方法技术

本发明专利技术公开了一种基于分层注意力机制的胃癌病灶区域分割方法。该方法首先获取胃部病理图像；对获得的胃部病理图像进行预处理，得到病理图像块；将病理图像块输入分层注意力分割模型编码器进行特征提取，获得特征图；将特征图输入分层注意力分割模型解码器，获得病理图像块的初步分割结果；对初步分割结果进行后处理，得到所述胃癌病灶区域分割结果。所述胃癌病灶区域分割方法的分层注意力分割模型通过深层特征建模全局语义信息，浅层特征建模局部纹理信息，根据特征重要程度分配注意力权重系数，有效融合图像多层特征。本发明专利技术可实现胃部病理图像的全自动处理，实现胃癌病灶区域的精准分割，为医生工作提供更方便有效的诊断指导。导。导。

【技术实现步骤摘要】
一种基于分层注意力机制的胃癌病灶区域分割方法


[0001]本专利技术涉及医学图像处理及计算机视觉领域，特别是一种基于分层注意力机制的胃癌病灶区域分割方法。

技术介绍

[0002]胃癌是世界范围内最常见的恶性肿瘤之一，临床诊断时需要采集胃部病理组织切片，经过专业医生诊断才能确定胃部是否发生癌症病变。
[0003]基于人工分割的方法费时费力，且对专业知识要求较高。基于阈值分割的方法易于实现，在目标物体的灰度值与其他特征相差很大时可以实现有效分割。基于区域生长与分裂合并的方法计算简单，但对噪声敏感，难以适用于复杂图像。基于边缘检测的方法根据区域边缘像素灰度值往往变化剧烈作为判别标准；基于曲面拟合的方法将灰度看作高度，用曲面拟合一个窗口内的数据，根据曲面决定边缘点，这些方法需要根据不同场景进行方法设计，泛化性不强。本专利技术提出一种基于分层注意力机制的全自动的胃癌病灶区域分割方法，可以实现病灶区域的精准分割，为医生工作提供更方便有效的诊断指导。

技术实现思路

[0004]有鉴于此，本专利技术的目的是提出一种基于分层注意力机制的胃癌病灶区域分割方法，主要思路是通过多尺度特征融合，通过提取图像深层特征建模图像全局语义信息，对图像进行整体性分析，准确定位病灶区域位置，粗略判断病灶区域涵盖的像素；通过提取图像浅层特征建模局部纹理信息，对病灶区域涵盖的像素逐个分析；通过注意力机制对深层特征和浅层特征自适应地分配不同的权重系数，实现对重要性高的特征关注程度更高，分配更高的权重系数，有效结合多层特征，实现对病灶区域的精准分割。
[0005]本专利技术采用以下方案实现：
[0006]一种基于分层注意力机制的胃癌病灶区域分割方法，包括以下步骤：
[0007]步骤S1：获得胃部病理图像；
[0008]步骤S2：对获得的胃部病理图像进行预处理并切分，得到若干病理图像块；
[0009]步骤S3：采用分层注意力分割模型，对病理图像块进行数据增强、特征提取、特征融合融合和初步分割，得到每一个病理图像块对应的胃癌病灶区域初步分割结果；步骤S4：对初步分割结果进行后处理，得到胃癌病灶区域最终分割结果。
[0010]进一步地，步骤S2具体包括以下步骤：
[0011]步骤S21：获得胃部病理图像的轮廓信息；
[0012]步骤S22：根据图像的轮廓信息，定位胃部活检组织区域；
[0013]步骤S23：根据胃部活检组织区域进行裁剪，获得矩形胃部感兴趣区域；
[0014]步骤S24：对胃部感兴趣区域按照预设的步长交叠裁剪，获得若干预设尺寸的病理图像块。
[0015]进一步地，步骤S3所述的分层注意力分割模型包括：
[0016]图像预处理模块，其用于对病理图像块进行数据增强。
[0017]特征编码器模块，其用于提取增强后的病理图像块的局部特征和全局特征，得到病理图像块特征图；
[0018]特征解码器模块，其用于对病理图像块特征图进行上采样，得到与病理图像块同尺寸的初步分割结果。
[0019]进一步地，所述的特征编码器模块包括：
[0020]浅层特征提取模块，其用于提取增强后的病理图像块的局部信息，得到不同尺度的浅层特征图；
[0021]深层特征提取模块，其由若干残差注意力模块级联构成，每层残差注意力模块由m个Swin Transformer结构残差连接构成，用于提取增强后的病理图像块的全局信息，得到不同尺度的深层特征图；
[0022]特征融合模块，其用于通过注意力机制对深层特征和浅层特征自适应分配不同的权重系数，对不同尺度的浅层特征图和不同尺度的深层特征图进行融合，得到融合后的病理图像块特征图。
[0023]进一步地，所述的步骤S4具体包括以下步骤：
[0024]步骤S41：对所有病理图像块的初步分割结果交叠拼接；
[0025]步骤S42：进行腐蚀膨胀处理得到胃癌病灶区域最终分割结果。
[0026]与现有技术相比，本专利技术有以下有益效果：
[0027]本专利技术公开了一种基于分层注意力机制的胃癌病灶区域分割方法。该方法首先获取胃部病理图像；对获得的胃部病理图像进行预处理，得到病理图像块；将病理图像块输入分层注意力分割模型编码器进行特征提取，获得特征图；将特征图输入分层注意力分割模型解码器，获得病理图像块的初步分割结果；对初步分割结果进行后处理，得到所述胃癌病灶区域分割结果。所述胃癌病灶区域分割方法的分层注意力分割模型通过深层特征建模全局语义信息，浅层特征建模局部纹理信息，根据特征重要程度分配注意力权重系数，有效融合图像多层特征。本专利技术可实现胃部病理图像的全自动处理，实现胃癌病灶区域的精准分割。
附图说明
[0028]图1为本专利技术实施例的胃癌病灶区域分割方法流程示意图。
[0029]图2为本专利技术实施例的胃癌病灶区域分割的分层注意力分割模型结构示意图。
[0030]图3为本专利技术实施例的胃癌病灶区域分割的分层注意力分割模型编码器结构示意图。
[0031]图4为本专利技术实施例的分割过程图，其中，(a)为病理图像块的示意图，(b)为分割结果的示意图；(c)为分割结果在病理图像块上可视化的示意图。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本
普通技术人员在没有作出创造性劳动的前提下所获得的
所以其他实施例，都属于本专利技术保护的范围。
[0033]参见图1，是本专利技术提供的一种基于分层注意力机制的胃癌病灶区域分割方法的一个实施例的流程示意图，具体包括以下步骤：
[0034]步骤S101：获得胃部病理图像。
[0035]其中，胃部病理图像是医生临床评估胃癌的重要依据。获得含有胃部病变区域的胃部病理切片全扫描图像；将切片成像模拟人眼所观察的效果；将切片数字化后可以得到所述的胃部病理图像。
[0036]步骤S102：对获得的胃部病理图像进行预处理，得到病理图像块。
[0037]胃部病理图像一般分辨率较大，其中往往会包含大面积对癌症诊断无辅助作用的无关区域，这些区域的信息对分割病灶区域是噪声信息，容易干扰分割效果，并且会产生额外的计算量。通过排除掉无关区域，只对病理图像中感兴趣区域进行分割，可以有效排除干扰信息，提高分割速度与精度。
[0038]由于胃癌病灶区域主要发生在胃部病理图像中的胃部活检组织区域。根据胃部病理图像获得图像轮廓信息，根据图像轮廓信息定位胃部活检组织区域；对胃部活检组织区域进行裁剪，获得矩形胃部感兴趣区域。
[0039]所述的胃部感兴趣区域的图像分辨率往往很高，直接对高分辨率图像进行胃癌病灶区域分割操作需要消耗高显存。将胃部感兴趣区域的图像进行切图处理，对切图处理后得到的低分辨率图像进行胃癌病灶区域分割操作，可以降低分割方法对显存的需求，方便在更多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分层注意力机制的胃癌病灶区域分割方法，包括以下步骤：步骤S1：获得胃部病理图像；步骤S2：对获得的胃部病理图像进行预处理并切分，得到若干病理图像块；步骤S3：采用分层注意力分割模型，对病理图像块进行数据增强、特征提取、特征融合融合和初步分割，得到每一个病理图像块对应的胃癌病灶区域初步分割结果；步骤S4：对初步分割结果进行后处理，得到胃癌病灶区域最终分割结果。2.根据权利要求1所述的一种基于分层注意力机制的胃癌病灶区域分割方法，其特征在于，步骤S2具体包括以下步骤：步骤S21：获得胃部病理图像的轮廓信息；步骤S22：根据图像的轮廓信息，定位胃部活检组织区域；步骤S23：根据胃部活检组织区域进行裁剪，获得矩形胃部感兴趣区域；步骤S24：对胃部感兴趣区域按照预设的步长交叠裁剪，获得若干预设尺寸的病理图像块。3.根据权利要求1所述的一种基于分层注意力机制的胃癌病灶区域分割方法，其特征在于，步骤S3所述的分层注意力分割模型包括：图像预处理模块，其用于对病理图像块进行数据增强；特征编码器模块，其用于提取增强后的...

【专利技术属性】
技术研发人员：丁勇，夏靖雯，阮世健，田吴炜，王亦凡，
申请(专利权)人：浙江大学，
类型：发明
国别省市：