一种黑色素肿瘤图像分割方法技术

本发明专利技术公开了一种黑色素肿瘤图像分割方法，属于医学人工智能领域。本发明专利技术中所述的一种黑色素肿瘤图像分割方法，包括如下步骤：S1、获取图像数据并对图像进行预处理；S2、通过编码模块对预处理后的图像进行特征提取；S3、通过门结构控制各阶段特征信息的贡献度，将深层特征与浅层特征融合；S4、将门结构的输出与解码模块的输出按通道拼接，进行上采样得到多通道特征图；S5、送入分割头，输出二值黑白分割图。本发明专利技术使用特征融合门结构对编码模块输出的特征信息进行筛选融合，避免了简单特征融合产生特征信息冗余，采用结构上自下而上，由深到浅的融合顺序，既可以保证有效信息的相互补偿，又能减小计算复杂度，具有语义丰富特征融合高效的优点。合高效的优点。合高效的优点。

【技术实现步骤摘要】
一种黑色素肿瘤图像分割方法


[0001]本专利技术属于医学人工智能领域，具体地说，涉及一种黑色素肿瘤图像分割方法。

技术介绍

[0002]皮肤黑色素瘤（Melanoma）是一种恶性程度较高的皮肤癌，发病率逐年上升。早期诊断和治疗对提高患者生存率具有重要意义。皮肤黑色素瘤图像分割技术的发展经历了三个主要阶段:传统图像处理方法、机器学习方法和深度学习方法。
[0003]在黑色素瘤图像分割的早期研究中，研究者主要采用传统的图像处理技术，如阈值法和边缘检测等方法。这些方法虽然简单易用，但是对于复杂的图像，难以实现精确的分割，随着研究的深入，机器学习方法被引入黑色素瘤图像分割任务中。其中，随机森林和支持向量机（SVM）等方法可以自动学习图像特征，并产生较好的分割结果。但是，这些方法需要设计合适的特征工程，并需要医学专家参与，同时难以处理高维度的图像数据。
[0004]近年来，随着计算机视觉和深度学习技术的快速发展，为黑色素肿瘤图像分割带来了重大的突破。尤其是卷积神经网络（Convolutional Neural Networks, CNN本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑色素肿瘤图像分割方法，其特征在于，包括如下步骤：S1、获取图像数据并对图像进行预处理；S2、通过编码模块对预处理后的图像进行特征提取；S3、通过门结构控制各阶段特征信息的贡献度，将深层特征与浅层特征自下而上地融合；S4、将门结构的输出与解码模块的输出按通道拼接，进行上采样得到多通道特征图；S5、送入分割头，输出二值黑白分割图。2.根据权利要求1所述的一种黑色素肿瘤图像分割方法，其特征在于，步骤S1中按照如下方法进行图像预处理：S101、将RGB医学图像转换为灰度图；S102、利用Resize操作将图片裁剪为(512，512)的大小。3.根据权利要求1所述的一种黑色素肿瘤图像分割方法，其特征在于，所述编码模块由Improved
‑
Inceptionv4和下采样构成，通过编码模块得到多层不同尺度的特征输出。4.根据权利要求3所述的一种黑色素肿瘤图像分割方法，其特征在于，Improved
‑
Inceptionv4结构由五个分支结构组成，分支一：1x1卷积，3x3卷积，3x3卷积；分支二：1x1卷积，3x3卷积；分支三：1x5卷积，5x1卷积；分支四：1x3卷积，3x1卷积；分支五：3x3深度卷积，1x1逐点卷积，分支一到分支四的卷积模块之间都使用批归一化和ReLU激活函数。5.根据权利要求4所述的一种黑色素肿瘤图像分割方法，其特征在于，所述编码模块经过多次Improved
‑<...

【专利技术属性】
技术研发人员：王少军，王婷，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：