一种腹腔镜图像分割方法、系统及计算机存储介质技术方案

本申请公开了一种腹腔镜图像分割方法、系统及计算机存储介质，方法包括：获取腹腔镜图像；将腹腔镜图像输入分割模型，获得相应的分割图；分割模型对腹腔镜图像的分割方法包括：提取腹腔镜图像的层次语义特征和空间细节特征；将层次语义特征和空间细节特征进行融合，获得相关性预测矩阵；利用相关性预测矩阵对层次语义特征和空间细节特征融合后的融合特征进行优化，获得优化特征图；对优化特征图进行语义分割，获得分割图。本申请采用双路径特征提取技术解决了单路径网络的信息丢失问题，并采用上下文信息引导技术对类别相关性进行建模，并利用这些信息对双路径提取的特征进行优化，提高了腹腔镜图像的分割精度，特别适用于腹腔镜图像的分割。腹腔镜图像的分割。腹腔镜图像的分割。

【技术实现步骤摘要】
一种腹腔镜图像分割方法、系统及计算机存储介质


[0001]本申请涉及图像处理
，特别涉及一种腹腔镜图像分割方法、系统及计算机存储介质。

技术介绍

[0002]腹腔镜手术因其创伤小、恢复快，越来越受到临床的青睐。手术视频的数量迅速增加为医学研究和外科评估提供了大量的资源。其中，腹腔镜图像的语义分割是实现计算机辅助微创手术或手术流程分析自动化的基础，对腹腔镜图像自动分割是一项具有挑战性的任务，具有重要的临床意义。
[0003]近年来，基于深度学习的模型具有强大的特征提取能力，在许多医学图像分割任务中取得了优异的性能。然而，这种方法通常需要大量的标注样本，而在腹腔镜图像中标记不同的目标是一项费时耗力的工作。在具有少量样本的多目标分割的情况下，深度网络的分割精度仍然不佳。经过调研发现，主流的腹腔镜图像语义分割方法主要集中在医学图像分割领域的成熟算法上，如UNet、SegNet等单路径网络。这些方法不是针对腹腔镜图像设计的，它们忽略了腹腔镜图像中目标边缘的模糊性、不连续性和不平衡性，因此对腹腔镜图像的分割精度比较差。r/>
技术实现思路
<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种腹腔镜图像分割方法，其特征在于，包括：获取腹腔镜图像；将所述腹腔镜图像输入分割模型，获得相应的分割图；所述分割模型对所述腹腔镜图像的分割方法包括：提取所述腹腔镜图像的层次语义特征和空间细节特征；将所述层次语义特征和空间细节特征进行融合，获得相关性预测矩阵；利用所述相关性预测矩阵对所述层次语义特征和空间细节特征融合后的融合特征进行优化，获得优化特征图；对所述优化特征图进行语义分割，获得所述分割图。2.根据权利要求1所述的一种腹腔镜图像分割方法，其特征在于，所述提取所述腹腔镜图像的层次语义特征和空间细节特征，包括：在主路径P1上通过下采样操作提取所述腹腔镜图像的层次语义特征；在辅助路径P2上通过卷积运算和批量归一化运算提取所述腹腔镜图像的空间细节特征。3.根据权利要求2所述的一种腹腔镜图像分割方法，其特征在于，在将所述腹腔镜图像分别输入所述主路径P1和辅助路径P2之前，还包括：采用卷积模块对所述腹腔镜图像进行卷积处理，获得特征图，将所述特征图分别输入所述主路径P1和辅助路径P2。4.根据权利要求3所述的一种腹腔镜图像分割方法，其特征在于，所述主路径P1具有四层，依次为L1、L2、L3和L4，所述辅助路径P2也具有四层，依次为A1、A2、A3和A4，所述L1
‑
L3依次对所述特征图进行步长为2的卷积处理，所述L4对所述L3输出的特征图进行插值处理，获得的特征图与所述卷积模块输出的特征图的分辨率相同；所述A1
‑
A3依次对所述特征图进行步长为1的卷积处理，所述A4对所述A3输出的特征图进行卷积处理，增加输出通道数量，所述A4输出的特征图和所述L4输出的特征图的分辨率和输出通道数量均相同。5.根据权利要求4所述的一种腹腔镜图像分割方法，其特征在于，在提取所述腹腔镜图像的层次语义特征和空间细节特征时，所述L1输出的特征图与所述A2输出的特征图融合，所述L2输出的特征图与所述A3输出的特征图融合，所述A1输出的特征图与所述L2输出的特征图融合，所述A2输出的特征图与所述L3输出的特征图融合。6.根据权利要求1所述的一种腹腔镜图像分割方法，其特征...

【专利技术属性】
技术研发人员：丁松涛，王红玉，李鑫雨，蔡亦，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：