一种基于三重密集提取网络的皮肤病变分割方法技术

本发明专利技术属于图像分割技术领域，公开了一种基于三重密集提取网络的皮肤病变分割方法，包括：建立基于U‑Net架构建立的三重密集提取网络模型，包括编码器、解码器、特征密集捕获模块和特征自适应融合模块；对于最高层次的编码特征通过特征密集捕获模块提取多尺度特征，每个跳跃连接路径上也都应用了特征密集捕获模块，最后将各个解码特征输入特征自适应融合模块，通过注意力机制自适应地聚合不同级别的解码特征并输出最终的分割结果。本发明专利技术通过多尺度卷积提取不同尺度的上下文信息，使得细节和语义特征能够更好地互补，同时保持全局的上下文信息并强化局部细节，能够更自然地处理空间信息。

【技术实现步骤摘要】

本专利技术属于图像分割，具体涉及一种基于三重密集提取网络的皮肤病变分割方法。

技术介绍

1、针对皮肤癌等皮肤疾病会采用皮肤镜采集病变位置的图像，皮肤镜图像量的不断增加和皮肤科医生的短缺，手动分割变得耗时且容易出错。因此，现有技术中开始越来越多地通过图像分割技术对皮肤病变进行自动分割。目前，基于经典的u-net进行皮肤病变分割的方法相比传统方法显着提高了皮肤病变分割性能，但由于皮肤病变具有不规则的病变形状和巨大的尺寸变化，经典的u-net的分割效果往往会遭受严重的退化。因此在u-net基础上进行改进形成的变体成为皮肤病变自动分割方法上的一个研发方向，但目前的改进技术中，要么在特征间层提取多尺度特征，要么在特征层内提取多尺度特征，没有兼顾特征间层和特征层内的多尺度特征，另一方面这些改进没有解决由于编码器和解码特征在尺度、语义层次和空间分辨率上存在差异，导致特征层次冲突影响融合效果的问题，从而导致编码特征中的全局信息和解码特征中的空间细节信息不能有效互补和同时进行强化，从而导致实际分割效果仍然存在不足。

技术实现思路

<本文档来自技高网...

【技术保护点】

1.一种基于三重密集提取网络的皮肤病变分割方法，其特征在于：包括：建立基于U-Net架构建立的三重密集提取网络模型，包括编码器、解码器、特征密集捕获模块和特征自适应融合模块；原图经过卷积处理后被依次输入各个编码器获得相应的编码特征；对于最高层次的编码特征，三重密集提取网络模型通过特征密集捕获模块从中提取了从特征层内捕获的多尺度特征，再输入相应的解码器后生成相应的解码特征；三重密集提取网络模型的每个跳跃连接路径上都应用了特征密集捕获模块，对于跳跃连接路径上的第i个特征密集捕获模块，第i+1个解码特征Di+1上采样后与对应的第i个编码特征Ei逐元素相加，再输入对应的特征密集捕获模块，利用从特...

【技术特征摘要】

1.一种基于三重密集提取网络的皮肤病变分割方法，其特征在于：包括：建立基于u-net架构建立的三重密集提取网络模型，包括编码器、解码器、特征密集捕获模块和特征自适应融合模块；原图经过卷积处理后被依次输入各个编码器获得相应的编码特征；对于最高层次的编码特征，三重密集提取网络模型通过特征密集捕获模块从中提取了从特征层内捕获的多尺度特征，再输入相应的解码器后生成相应的解码特征；三重密集提取网络模型的每个跳跃连接路径上都应用了特征密集捕获模块，对于跳跃连接路径上的第i个特征密集捕获模块，第i+1个解码特征di+1上采样后与对应的第i个编码特征ei逐元素相加，再输入对应的特征密集捕获模块，利用从特征层间提取大量多尺度特征；解码特征di+1在上采样后与相应的第i个特征密集捕获模块的输出连接后输入到下一个解码器，从而得到下一个解码特征di；最后将各个解码特征{di|i={1,2,3,4}}输入特征自适应融合模块，通过注意力机制自适应地聚合不同级别的解码特征并输出最终的分割结果。

2.根据权利要求1所述的一种基于三重密集提取网络的皮肤病变分割方法，其特征在于：特征密集捕获模块包括深度可分离卷积、扩张深度可分离卷积、密集连接机制和残差连接；输入特征密集捕获模块的初始特征f经过深度可分离卷积处理，紧密连接的扩张深度可分离卷积按扩张率由低到高排列；深度可分离卷积的输出直接馈入之后扩张率最低的扩张深度可分离卷积，并通过密集连接的方式连接到之后各个扩张深度可分离卷积生成的特征中，每个扩张深度可分离卷积的输出与之前的深度可分离卷积和扩张深度可分离卷积的输出连接后再进一步向后输出；扩张深度可分离卷积最后的输出经1×1...

【专利技术属性】
技术研发人员：邓桃娜，曾锦山，万欢，徐武建，王琴琴，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：