融合多层感知机的医学图像分割方法、终端设备及介质技术

本发明专利技术涉及融合多层感知机的医学图像分割方法、终端设备及介质，该方法构建了一种医学图像分割模型，采用U型编码器‑解码器架构，结合卷积和MLP的优势，将两者融合到每一层中；设计了一个多轴和多窗口MLP模块，从多窗口和多尺度捕获特征图信息，其输入不需要对图片裁剪，可以接收任意大小图片，并且总是具有全局感受野；开发了一个Conv‑MCG模块，将卷积模块的两个输出进行特征交叉融合，实现多路径、多信息的交互。本发明专利技术能够在较小的计算时间和空间花销上，取得了较好的分割结果。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及融合多层感知机的医学图像分割方法、终端设备及介质。

技术介绍

1、近年来，卷积神经网络(convolutional neural networks，cnn)在计算机视觉应用，例如，图像分类、目标检测、语义分割、目标跟踪、图像增强等中取得了显著进展。得益于cnn的发展，计算机视觉技术已广泛应用于医学图像处理领域。图像语义分割是医学图像处理的重要组成部分，可以在计算机辅助诊断和图像引导临床手术中发挥重要作用。

2、现有的基于深度学习的医学图像分割网络最典型的是u-net，它由对称的编码器-解码器以及跳跃连接(skip connection)组成。在编码器中，使用一系列卷积层和连续下采样层来增加感受野并提取较多的语义特征。然后，解码器将提取的语义特征进行上采样以得到像素级语义预测，并将同一层来自编码器的浅层特征与来自解码器的深层特征通过跳跃连接进行融合，以减轻深度卷积和下采样导致的语义信息丢失。凭借着优秀的结构设计，u-net在医学图像处理中取得了巨大成功。基于此网络已经开发了许多变体网络，用于各类医学图像分割。这本文档来自技高网...

【技术保护点】

1.一种融合多层感知机的医学图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合多层感知机的医学图像分割方法，其特征在于：MLP交叉门控模块包括两条路径的输入，针对每条路径，其输入数据依次经过层规范化、全连接层和GELU激活函数后，输入多轴多窗口MLP结构，多轴多窗口MLP结构的输出与多轴多窗口MLP结构的输入相乘，将相乘结果依次经过全连接层和Dropout激活后，Dropout激活结果与该条路径的输入数据相加，得到该条路径的输出结果；将两条路径的输出结果相加，得到MLP交叉门控模块的输出结果。

3.根据权利要求1所述的融合多层感知机的医学图像分...

【技术特征摘要】

1.一种融合多层感知机的医学图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合多层感知机的医学图像分割方法，其特征在于：mlp交叉门控模块包括两条路径的输入，针对每条路径，其输入数据依次经过层规范化、全连接层和gelu激活函数后，输入多轴多窗口mlp结构，多轴多窗口mlp结构的输出与多轴多窗口mlp结构的输入相乘，将相乘结果依次经过全连接层和dropout激活后，dropout激活结果与该条路径的输入数据相加，得到该条路径的输出结果；将两条路径的输出结果相加，得到mlp交叉门控模块的输出结果。

3.根据权利要求1所述的融合多层感知机的医学图像分割方法，其特征在于：多轴多窗口mlp结构将输入的特征图按通道均分为4个头，在每个头中使用mlp进行信息融合，其中两个头送入局部特征分支，另外两个头送入全局特征分支；在局部特征分支中，两个头分别被送入两个具有不同窗口大小的局部...

【专利技术属性】
技术研发人员：宋建华，袁磊，
申请(专利权)人：闽南师范大学，
类型：发明
国别省市：