一种基于残差解码结构的医学图像分割方法技术

本发明专利技术公开了一种基于残差解码结构的医学图像分割方法，具体实现为：(1)建立包含原始图像和其对应分割金标准的训练数据集；(2)构建一种基于残差解码结构的编解码网络，该网络在编码路径中采用无损下采样降低图像分辨率、扩大网络感受野，同时在解码器中引入注意力门和卷积注意力对不同来源特征进行深度挖掘与提取，并引入残差连接，将不同解码阶段的特征进行融合；(4)利用训练数据集对网络进行训练，直至预先设定的损失函数收敛；(5)运用训练好的网络对待分割的图像进行测试，得到分割结果。本发明专利技术可有效解决现有下采样操作造成的信息丢失问题，充分挖掘特征的相互依赖关系，获得精确的分割结果。

【技术实现步骤摘要】

本专利技术属于医学图像处理，具体涉及一种基于残差解码结构的医学图像分割方法。

技术介绍

1、医学图像分割技术可以大大提高医学影像分析与处理的自动化程度，减少医生的工作负担，并缩短疾病诊疗时间。分割结果可为手术和治疗计划提供重要信息。根据分割结果，医生能够对组织和病变的大小、形状和体积进行定量分析，这对于疾病进展的监测和治疗效果评估非常重要。然而，不同个体的组织、器官，其形状和位置可能会存在较大变化，而且在不同的临床情况下，同一器官的形状和位置也可能发生变化。同时，医学图像易受到噪声、伪影和其他干扰的影响。上述因素均给医学图像分割带来了巨大挑战。

2、近年来，随着人工智能与机器视觉技术的不断发展，基于深度学习的医学图像分割方法逐渐成为了主流。文献“u-net:convolutional networks for biomedical imagesegmentation.in international conference on medical image computing andcomputer-assisted intervention,2本文档来自技高网...

【技术保护点】

1.一种基于残差解码结构的医学图像分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于残差解码结构的医学图像分割方法，其特征在于，步骤(2-a)所述的无损下采样操作，具体结构包括：对于输入特征依次进行步长为2的3×3卷积和GeLU激活，得到特征然后，将特征r进行步长为2的上采样，得到特征并将特征r和r′相减，得到特征gm＝r-r′；接着，对gm依次进行形态学膨胀和步长为2的平均池化操作，得到特征最后将特征与相加，得到无损下采样的输出

3.如权利要求1所述的一种基于残差解码结构的医学图像分割方法，其特征在于，步骤(2-a)所述的注意力门结构，具体包括...

【技术特征摘要】

1.一种基于残差解码结构的医学图像分割方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于残差解码结构的医学图像分割方法，其特征在于，步骤(2-a)所述的无损下采样操作，具体结构包括：对于输入特征依次进行步长为2的3×3卷积和gelu激活，得到特征然后，将特征r进行步长为2的上采样，得到特征并将特征r和r′相减，得到特征gm＝r-r′；接着，对gm依次进行形态学膨胀和步长为2的平均池化操作，得到特征最后将特征与相加，得到无损下采样的输出

3.如权利要求1所述的一种基于残差解码结构的医学图像分割方法，其特征在于，步骤(2-a)所述的注意力门结构，具体包括以下步骤：对于两个输入特征i1和i2，其中i1表示与当前注意力门连接的步长为2的上采样的输出，i2表示由跳跃连接引入的与当前注意力门连接的编码块的输出，首先...

【专利技术属性】
技术研发人员：廖苗，唐红亮，杨睿新，邸拴虎，赵于前，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：