【技术实现步骤摘要】
本专利技术涉及图像数据处理方法领域，具体涉及重参数化与卷积注意力的息肉分割算法。
技术介绍
1、医学影像分析领域中，息肉图像分割作为一项重要方向，在癌症早期检测和诊断中具有至关重要的意义。准确的分割出息肉对于预防和筛查直肠癌至关重要。在这一过程中，影像医生需要及早发现恶性变化的息肉，尽早采取治疗措施；对于高风险息肉需要借助医学图像的分割，方便医生进行更精准的术前规划，确定最适合的手术方法和治疗方案。此外，通过对比治疗前后的图像分割结果，还能够评估患者的康复情况。
2、在早期筛查中，结直肠息肉状态的准确判定对其整体健康状况具有重要意义。结直肠息肉作为直肠癌的前病变之一，其发生与直肠癌的关联紧密。面积扩大、结构改变、表面出现锯齿状、局部红边以及周围淋巴结肿大等变化，都可能是结直肠息肉发生病变的标志。类似地，在胃癌、子宫内膜癌等疾病的早期阶段，息肉的状态也能够为医生提供一定的诊断线索。然而，随着社会现代化的不断深入，人们对健康问题的关注程度逐渐上升，医疗机构中积累的医学影像数据不断增加。特别是在息肉成像数据方面，其数量急剧增加，与...
【技术保护点】
1.基于重参数化与卷积块注意力的息肉图像分割算法，其特征在于，包括以下步骤(假设原始医学图像为F(M×M)。
2.根据权利要求1所述的基于重参数化与卷积块注意力的息肉图像分割算法，其特征在于：所述S2中，使用传统视觉处理方法对息肉图像与标签图像进行统一的放缩与裁剪，而后对其进行one-hot编码操作。
3.根据权利要求3所述的使用重参数化训练模块提取原始医学图像的不同感受野鲁棒特征，使用步长为2的重参数化训练模块对原始医学图像进行下采样得到下一步特征，使用步长为1的重参数化训练模块对医学图像特征进行深度提取得到下一步特征。
4.根据...
【技术特征摘要】
1.基于重参数化与卷积块注意力的息肉图像分割算法，其特征在于，包括以下步骤(假设原始医学图像为f(m×m)。
2.根据权利要求1所述的基于重参数化与卷积块注意力的息肉图像分割算法，其特征在于：所述s2中，使用传统视觉处理方法对息肉图像与标签图像进行统一的放缩与裁剪，而后对其进行one-hot编码操作。
3.根据权利要求3所述的使用重参数化训练模块提取原始医学图像的不同感受野鲁棒特征，使用步长为2的重参数化训练模块对原始医学图像进行下采样得到下一步特征，使用步长为1的重参数化训练模块对医学图像特征进行深度提取得到下一步特征。
4.根据权利要求4所述的使用卷积块注意力模块对重参数化后的医学图像特征进行处理，进一步得到特征中的空间特征、语意特征。cbam是一种用于增强卷积神经网络性能的卷积注意力模块。它结合了通道卷积注意力和空间卷积注意力机制，通过学习有效地分配通道和空间注意力权重来提高特征的表示能力。通道注意力用于自适应地调整通道维度上的特征响应，以便更好地捕捉不同通道之间的关系。空间注意力则用于自适应地调整空间维度上的特征响应，以便更好地捕捉不同位置之间的关系。通道注意力部分向量化特征，捕获每个特征通道的全局关联性，以便确定每个通道在另一个通道的空间位置中的重要性。然后采用全局平均池化(global average pooling)操作，将不需要的特征图通道权重置为0。最后，通过对这些通道进行缩节，以适配最初的特征图形状。这里的cba...
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。