【技术实现步骤摘要】
本专利技术涉及医学影像领域和人工智能领域，特别是涉及一种基于相位感知改进transformer的息肉图像分割方法。
技术介绍
1、结肠镜检查在临床实践中对结肠癌的诊断和定位起着至关重要的作用。它是准确诊断和定位结肠癌的关键工具。在医学影像分析领域，息肉分割旨在精确定位和识别结肠内的息肉病变。该任务的意义对于直肠癌和结直肠疾病的临床防治具有重要意义。
2、传统方法对于息肉精准定位的研究主要依靠区域生长、阈值处理和形态侵蚀等操作来确定息肉的具体位置。但是，由于息肉组织受到结肠镜的灯光，以及息肉本身具有不同形态、颜色、大小和其他纹理性质的影响(见文献：guo x，yang c，liu y，et al.learn tothreshold：threshold-net with confidence-guided manifold mix-up for polypsegmentation[j].ieee transactions on medical imaging，2020，40(4)：1134-1146.)，导致传统分割方法难以确定息肉的最终位置并且对于多个息肉种类缺乏一定泛化能力。
3、近年来，随着卷积神经网络(cnn)在计算机视觉领域中取得了显著的效果。医学影像领域也深受其影响并取得了初步的成功。目前，使用最广泛的图像分割模型就是unet网络，以及unet网络的各种变体(见文献：zhou z，rahman siddiquee m m，tajbakhsh n，etal.unet++：a nested u-net
4、息肉组织通常是结肠内的小肿块或突起，其物理大小相对较小。在内镜图像中，它们通常呈现为一些小的、不规则的区域，其尺寸可能只有几毫米到几厘米，这使得它们被视为小目标。在继unet网络之后，更多的研究方向就是关于小目标分割。pranet(见文献：fand p，ji gp，zhou t，et al.pranet：parallel reverse attention network for polypsegmentation[c]//international conference on medical image computing andcomputer-assisted intervention.cham：springer international publishing，2020：263-273.)首次将预训练网络resnet-50应用到息肉分割任务中，并且使用反向注意力机制来改善小目标分割，使得息肉的边界定位更加精准。
5、然而，卷积神经网络(cnn)也具有一定的局限性。因受到卷积核大小的限制，只能提取局部特征信息。新出现的视觉transformer(vision transformer，vit)在图像处理领域取得了巨大成功，备受研究者关注(见文献：dosovitskiy a，et al.，an image is worth16x16 words：transformers for image recognition，corr abs/2010.11929，2020)。刘等人(见文献：liu z，lin y，cao y，et al.swin transformer：hierarchical visiontransformer using shifted windows[c]//proceedings of the ieee/cvfinternational conference on computer vision.2021：10012-10022.)提出移动窗口的分层视觉transformer并应用图像分类和分割任务中。
技术实现思路
1、为了解决上述现有的息肉图像分割技术的不足，本专利技术提供一种基于相位感知改进transformer的息肉图像分割方法，用于进一步提高在医学领域息肉分割的准确度。
2、本专利技术提供技术方案如下：
3、一种基于相位感知改进transformer的息肉图像分割方法，包括以下步骤：
4、步骤1，基于transformer的主干网络提取息肉图像的特征金字塔，包括若干密集特征xi，i∈{1，2，3，4}；
5、步骤2，剔除最底层特征x1后，分别使用对应的基于注意力的空洞卷积模块提取各密集特征的粗粒度特征ai，i∈{2，3，4}，不同粗粒度特征的通道数相同；
6、步骤3，使用对应的相位感知模块，获取各粗粒度特征的相位特征pi，i∈{2，3，4}；
7、步骤4，将各相位特征共同输入到级联融合模块，获取全局特征h4和全局注意力图s4；
8、步骤5，将相位特征pi和对应的全局特征hi输入到对应的相似聚合模块，获取更新的全局特征hi-1；
9、步骤6，将相似聚合模块输出的全局特征hi和上一级全局注意力图si+1共同输入到对应的级联组反向注意力模块，获取全局特征hi的全局注意力图si；
10、步骤7，对各全局注意力图上采样至与息肉图像相同尺寸后，进行逐像素加法操作，得到分割图像。
11、优选地，所述基于注意力的空洞卷积模块包括多个并行的扩张卷积，多个经扩张卷积输出的特征通过特征拼接成级联后，输入至卷积注意力模块。
12、优选地，所述基于注意力的空洞卷积模块中，不同扩张卷积的扩张率不同。
13、优选地，所述相位感知模块包括垂直方向的相位特征提取单元、水平方向的相位特征提取单元及原始特征提取单元，将相位特征和原始特征逐像素相加以获取融合特征；
14、将融合特征经平均池化层和多层感知机后，进行重塑和转置操作，随本文档来自技高网...
【技术保护点】
1.一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述基于注意力的空洞卷积模块包括多个并行设置的扩张卷积，多个经扩张卷积输出的特征通过特征拼接级联后，输入至卷积注意力模块。
3.如权利要求2所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述基于注意力的空洞卷积模块中，不同扩张卷积的扩张率不同。
4.如权利要求1所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述相位感知模块包括垂直方向的相位特征提取单元、水平方向的相位特征提取单元及原始特征提取单元，将相位特征和原始特征逐像素相加以获取融合特征；
5.如权利要求4所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述垂直方向、水平方向的相位特征提取单元的表达式分别为：
6.如权利要求1所述的一种基于相位感知改进Transformer的息肉图
7.如权利要求1所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述相似聚合模块中，将相位特征作为低级特征，将全局特征作为高级特征；
8.如权利要求7所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述通过非局部空间自注意力获取特征K转换至相位特征的相关注意力图包括以下步骤：
9.如权利要求1所述的一种基于相位感知改进Transformer的息肉图像分割方法，其特征在于，所述级联组反向注意力模块的具体操作流程包括：
...【技术特征摘要】
1.一种基于相位感知改进transformer的息肉图像分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于相位感知改进transformer的息肉图像分割方法，其特征在于，所述基于注意力的空洞卷积模块包括多个并行设置的扩张卷积，多个经扩张卷积输出的特征通过特征拼接级联后，输入至卷积注意力模块。
3.如权利要求2所述的一种基于相位感知改进transformer的息肉图像分割方法，其特征在于，所述基于注意力的空洞卷积模块中，不同扩张卷积的扩张率不同。
4.如权利要求1所述的一种基于相位感知改进transformer的息肉图像分割方法，其特征在于，所述相位感知模块包括垂直方向的相位特征提取单元、水平方向的相位特征提取单元及原始特征提取单元，将相位特征和原始特征逐像素相加以获取融合特征；
5.如权利要求4所述的一种基于相位感知改进transformer的息肉图像分割方法，其特征在...
【专利技术属性】
技术研发人员：余宙，王智超，赵小明，张石清，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。