一种基于神经网络的图像分割方法技术

本发明专利技术提供了一种基于神经网络的图像分割方法，涉及医学图像处理技术领域，该方法包括：构建医学图像分割模型；医学图像分割模型包括：编码器和解码器；解码器包括：第一掩膜解码器和第二掩膜解码器；通过损失函数和自注意力机制对编码器进行训练，得到初始编码器；在初始编码器中嵌入医学空间转置适配器，得到最终编码器，并通过最终编码器对医学图像进行编码操作，得到编码结果；将医学空间转置适配器嵌入第二掩膜解码器中，得到最终解码器；通过最终解码器对编码结果进行解码处理，得到图像分割结果。该方法将医学空间转置适配器与SAM解码器进行级联连接，并结合损失计算，提高了模型的分割精度，使得分割结果更加精准和可靠。

【技术实现步骤摘要】

本专利技术涉及医学图像处理，特别是涉及一种基于神经网络的图像分割方法。

技术介绍

1、分割一切模型(segmentanything model，sam)是由metaai推出的一个大型图像分割模型，基于1100万张图像和超过10亿个掩码进行训练，是目前规模最大的基于transformer架构的图像分割模型。sam在医学图像分割领域面临显著挑战，其原因在于医学图像通常伴有明显的噪声、伪影以及低对比度区域，这些特性极大地增加了自动识别细微病变(如肿瘤、血管或器官边界)的难度。此外，医学图像中的结构和病变展现出了极大的异质性，从小至几毫米的病灶到大至数十厘米的器官，形态与尺度的变化莫测要求分割模型必须具备极高的适应性和多样的处理能力。

2、然而，sam作为一个旨在通用图像分割的模型，在设计和训练时并未针对医学图像特有的难题进行优化，这导致它在处理医学影像复杂性方面可能遭遇精度不足或无法准确捕捉关键细节的问题。更进一步，医学图像数据集往往存在类别不平衡的问题，特别是对于少数病变或罕见病症，标注数据极为稀缺。这种数据匮乏限制了sam学习所有潜在病变特征的能本文档来自技高网...

【技术保护点】

1.一种基于神经网络的图像分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述医学图像分割模型为分割一切模型。

3.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述损失函数的表达式为：其中，Ltotal为损失函数，为第i个transformer层的损失，为所述第一掩膜解码器的损失，为所述第二掩膜解码器的损失，M为transformer层的数量；

4.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述自注意力机制的表达式为：其中，Attention为自注意力，Q为查询，K...

【技术特征摘要】

1.一种基于神经网络的图像分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述医学图像分割模型为分割一切模型。

3.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述损失函数的表达式为：其中，ltotal为损失函数，为第i个transformer层的损失，为所述第一掩膜解码器的损失，为所述第二掩膜解码器的损失，m为transformer层的数量；

4.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述自注意力机制的表达式为：其中，attention为自注意力，q为查询，k为键，v为值，dk为特征维度，softmax为softmax函数，kt为键的转置。

5.根据权利要求1所述的基于神经网络的图像分割方法，其特征在于，所述医学空间转置适配器包括：残差适配器、维度融合适配器和归一化适配器；所述残差适配器、所述维度融合适配器和所述归一化适配器均由lora模块构成；所述lora模...

【专利技术属性】
技术研发人员：姚宁，程晓光，白荣杰，闫东，
申请(专利权)人：首都医科大学附属北京积水潭医院，
类型：发明
国别省市：