本发明专利技术涉及结直肠息肉分割方法技术领域，且公开了一种双分支自适应编解码结直肠息肉分割方法，首先，双分支编码器利用CNN和Transformer分别提取局部和全局特征；其次，伪装识别模块用于互补全局结构信息和局部结构信息，减少两者特征图之间的语义空白；再次，特征分频单元用来分离高级语义信息的低频背景特征和高频纹理特征，增强网络对低频背景噪声和高频纹理特征的响应，有效抑制噪声和增强纹理特征感知；最后，通过信息联合层将多尺度特征高效融合，得到的最终分割结果Dice指标和MIou指标分别达到94.11％和90.94％，已达到辅助医疗的水平，本发明专利技术比最新文献公布的结直肠息肉分割结果准确率提升约2.51％，灵敏度提升约4.64％。
【技术实现步骤摘要】
本专利技术涉及结直肠息肉分割方法，具体地说，涉及一种双分支自适应编解码结直肠息肉分割方法。
技术介绍
1、研究报告数据显示，结直肠息肉可以归类为增生性和腺性，增生性息肉为良性，而腺性息肉则有可能随着时间恶化，早期尚可通过简单手术予以切除，生存率高达95％，但一旦进入晚期比率将大幅度下降。也就是说，生活中定期去医院进行结直肠镜检查，早发现和精确的诊断结直肠腺性息肉是有效预防肠道发生病变的重要手段。因此，临床上亟需开发一种自动识别和自动分割一体化的结直肠息肉图像分割算法，用来协助医生提高诊断患者疾病的效率。
2、最新文献yueg,zhuog,yanw,etal.boundaryuncertaintyawarenetworkforautomatedpolypsegmentation[j].neuralnetworks,2023.记载的dice系数和miou分别在91.6％和86.3％，而在医学图像处理技术中，结直肠息肉分割结果的dice系数代表着预测像素数量和像素总数量在分割结果中的比例，高比值说明分割结果与金标签的吻合度越高，往往高精度代表着算法的优劣，能否实时辅助专家医疗的水平。
技术实现思路
1、针对现有技术的不足，本专利技术的目的在于提供一种双分支自适应编解码结直肠息肉分割方法，解决了现有算法存在边缘细节捕捉能力不足，边界信息损失和错误分割等问题。
2、本为实现上述目的，本专利技术提供如下技术方案，一种双分支自适应编解码结直肠息肉分割方法，包括以下步骤：</p>3、步骤1，结直肠息肉图像预处理；
4、步骤2，构建结直肠息肉分割模型。
5、进一步方案，所述结直肠息肉图像预处理包括以下两个子步骤：
6、步骤1.1，由于所使用的数据集中图像尺寸分辨率差异较大，为模型能够更加方便的进行训练和测试，对结直肠息肉图像进行中心裁剪，把所有的图像的尺寸裁剪为256像素×256像素；
7、步骤1.2，由于训练样本较少，容易导致在训练过程中特征提取能力不足而产生过拟合现象，因此在统一图像分辨率后，将结直肠息肉图像进行水平翻转、垂直翻转、随机裁剪、仿射变换、高斯变换、亮度变换和随机通道等操作，充分拓展训练样本数量，仿射变换和亮度变换的公式分别为：
8、s＝t(r)
9、x'＝ax+by+tx
10、y'＝cx+dy+ty
11、其中，r为息肉图像中对应点(x,y)的亮度，s表示变换后图像的对应点的亮度，a、b、c和d分别是控制旋转、缩放和剪切的矩阵元素，tx和ty是平移的距离。
12、进一步方案，所述构建结直肠息肉分割模型包括编码、解码和结直肠息肉分割三部分：
13、步骤2.1编码部分：编码器充分结合cnn和transformer的优点，设计了双分支结构，其目的为解决结直肠息肉图像分割时存在的错误分割和特征信息提取缺失等问题，transformer分支，用于缩短远距离特征间距，逐层提取图像的细节信息和全局上下文信息，自注意力层在transformer中往往起关键作用，其可以重塑输入特征图的形状结构，缩短远距离特征结构间距，从而加强网络捕获全局语义信息能力，为了减少由于自注意力操作而引起的高计算成本，引入一种线性空间减少注意(linear spatial reductionattention，lsra)层来代替传统的多头注意力(multi-head attention，mha)，自注意力层使用位置编码方式来确定图像上下文信息，这种方式的结果是输出图像尺寸保持不变，当训练图像尺寸与测试图像尺寸不一致时，需要对图像进行插值操作来保持统一尺寸，插值操作容易造成局部细节信息的丢失，导致分割结果精度下降，所以在自注意力层后引入卷积前馈网络，用于改善零填充对位置编码泄露的影响，cnn分支，为transformer分支补充局部位置信息，减少局部归纳偏差，cnn分支由深度可分离卷积残差瓶颈模块组成，该模块包括1×1标准卷积、3×3深度可分离卷积、bn和gelu激活函数，在输入和瓶颈模块输出之间通过残差连接来加快模块收敛速度，最后，将提取的局部特征输入到自适应融合解码器中；
14、步骤2.2解码部分：双分支编码器利用cnn和transformer分别提取局部和全局特征，如果采用直连方式整合局部和全局特征，容易造成空间信息的丢失并引入背景噪声，为了自适应融合不同层次特征信息，减少背景噪声的影响，利用特征分频单元(characteristic frequency division unit,cfdu)、伪装识别模块(camouflageidentification module,cim)和信息联合层(information federation layer，ifl)设计出一种新型自适应融合解码器；首先，伪装识别模块用于互补全局结构信息和局部结构信息，减少两者特征图之间的语义空白，伪装识别模块利用通道注意力和空间注意力机制从全局特征和局部特征两个层面入手，全局特征提取模块用于捕捉空间和时间上的全局信息，局部特征提取模块用于识别纹理结构和边缘细节；其次，特征分频单元用来分离高级语义信息的低频背景特征和高频纹理特征，增强网络对低频背景噪声和高频纹理特征的响应，有效抑制噪声和增强纹理特征感知；最后，通过信息联合层将上述处理后的多尺度特征的高效融合，输出结果；
15、步骤2.3结直肠息肉分割部分：结直肠息肉分割的整个训练过程采用的网络损失函数是由合并比损失函数(wiou)与二进制交叉熵损失函数(wbce)相联合的损失函数，与iou和bce损失函数不同，wbce和wiou可以赋予每个像素具有不同的权重，以强调目标区域并削弱非目标区域，损失函数的具体公式如下：
16、
17、其中，g是模型的最终输出，y是真正的标签。
18、一种双分支自适应编解码结直肠息肉分割方法，具体实施为：
19、步骤1，结直肠息肉图像预处理；
20、步骤1.1为模型能够更加方便的进行训练和测试，对结直肠息肉图像进行中心裁剪，把所有的图像的尺寸裁剪为256像素×256像素；
21、步骤1.2在统一图像分辨率后，将结直肠息肉图像进行水平翻转、垂直翻转、随机裁剪、仿射变换、高斯变换、亮度变换和随机通道等操作，充分拓展训练样本数量，仿射变换和亮度变换的公式分别为；
22、s＝t(r)
23、x'＝ax+by+tx
24、y'＝cx+dy+ty
25、其中，r为息肉图像中对应点(x,y)的亮度，s表示变换后图像的对应点的亮度，a、b、c和d分别是控制旋转、缩放和剪切的矩阵元素，tx和ty是平移的距离。
26、进一步方案，步骤2构建结直肠息肉分割模型；
27、步骤2.1编码部分：transformer分支，假设给定输入图像尺寸image∈h×w×3，首先利用重叠压缩结构将划分成h×w/16个块状图，并构建本文档来自技高网
...
【技术保护点】
1.一种双分支自适应编解码结直肠息肉分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种双分支自适应编解码结直肠息肉分割方法，其特征在于：所述结直肠息肉图像预处理包括以下两个子步骤：
3.根据权利要求1所述的一种双分支自适应编解码结直肠息肉分割方法，其特征在于：所述构建结直肠息肉分割模型包括编码、解码和结直肠息肉分割三部分：
4.根据权利要求1所述的一种双分支自适应编解码结直肠息肉分割方法，其特征在于：具体实施为：
5.根据权利要求1所述的一种双分支自适应编解码结直肠息肉分割方法，其特征在于：具体实施为：
【技术特征摘要】
1.一种双分支自适应编解码结直肠息肉分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种双分支自适应编解码结直肠息肉分割方法，其特征在于：所述结直肠息肉图像预处理包括以下两个子步骤：
3.根据权利要求1所述的一种双分支自适应编解码结直肠息肉分割方法...
【专利技术属性】
技术研发人员：吴健，李俞霖，梁礼明，何安军，
申请(专利权)人：江西理工大学，
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。