基于块级自注意力和块相关机制的图像分割方法技术

本发明专利技术提供了一种基于块级自注意力和块相关机制的图像分割方法，包括以下步骤：1、搭建ResNet101主干网络；2、将主干网络的输出特征进行分块，并对每个特征块使用1

【技术实现步骤摘要】
基于块级自注意力和块相关机制的图像分割方法
[0001]本申请要求于2022年06月28日申请，申请号为202210739674.8，专利名称为“一种基于块级自注意力和块相关机制的食管癌前病变区域分割方法”的专利技术申请的本国优先权，该申请的全部内容以引用方式并入本文。


[0002]本专利技术涉及深度学习和医学图像分割领域，更具体地，涉及一种基于块级自注意力和块相关机制的图像分割方法。

技术介绍

[0003]自全卷积神经网络(Fully Convolutional Networks，FCN)提出以来，卷积神经网络成为了分割任务的主要手段，并且在自然图像分割任务中达到了很高的精度，图像分割技术已经快速应用到各行各业中，比如无人驾驶领域，但是在医学图像分割中的应用相对较少，对于食管癌前病变区域分割的研究起步就更晚。由于食管炎症、低瘤、高瘤和早癌四类癌前病变区域类间特征不明显，外观差异小，网络无法提取到各类病变的判别性特征，导致分割精度相对较低。
[0004]有效提高网络的精度可采用较大的感受野、获取全局信息等手段，但这几种方法在实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于块级自注意力和块相关机制的图像分割方法，包括：利用主干网络处理内镜图像，得到第一输出特征；对所述第一输出特征进行分块处理，得到多个特征块；对于每个所述特征块，利用3个1
×
1卷积分别处理所述特征块，得到查询矩阵、第一键矩阵和第一值矩阵；利用块相关机制处理所述查询矩阵，得到第一分块矩阵；基于所述第一分块矩阵、所述第一键矩阵和所述第一值矩阵各自的相对位置偏移，对所述第一分块矩阵、所述第一键矩阵和所述第一值矩阵进行自注意力计算，得到第二输出特征；将与所述多个特征块各自对应的多个第二输出特征在空间维度上拼接，得到第三输出特征；以及利用分割头处理所述第三输出特征，得到所述内镜图像的分割结果。2.根据权利要求1所述的方法，其中，所述利用块相关机制处理所述查询矩阵，得到第一分块矩阵，包括：对所述第一输出特征进行卷积处理，得到块相关矩阵；以及基于所述块相关矩阵和所述查询矩阵，得到所述第一分块矩阵。3.根据权利要求2所述的方法，其中，所述基于所述块相关矩阵和所述查询矩阵，得到所述第一分块矩阵，包括：使用所述块相关矩阵R将所述特征块和第一输出特征X＝{X
11
，
…
，X
ij
，
…
，X
IJ
}进行关联，其中...

【专利技术属性】
技术研发人员：李小霞，刘波，周颖玥，刘爽利，张晓强，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：