一种基于多尺度融合语义增强的Transformer-CNN医学图像分割方法及系统技术方案

本发明专利技术公开了一种基于多尺度融合语义增强的Transformer‑CNN医学图像分割方法及系统，涉及图像分割技术领域，包括：采集医学图像数据，构建医学图像数据集；构建医学图像分割网络模型；通过医学图像数据集对医学图像分割网络模型进行训练；将实时采集数据输入至训练好的医学图像分割网络模型中得到医学图像分割结果。本发明专利技术采用双编码器和LGDA等模块来捕捉肾脏肿瘤的多尺度全局特征并增强表示，LGDA模块用于适应肾脏肿瘤的大小和形态变化；MLCF模块用于对主编码器信息补充；PSE模块对多尺度的全局语义信息进行捕捉，对局部上下文信息进行整合，通过SAM模块融合局部特征，实现内窥镜图像中的肾脏肿瘤定位。

【技术实现步骤摘要】

本专利技术涉及图像分割，更具体的说是涉及一种基于多尺度融合语义增强的transformer-cnn医学图像分割方法及系统。

技术介绍

1、内窥镜检查作为临床常规诊疗技术，其图像可视化能力为医生提供了直观的器官组织形态学观察途径。实现内窥镜图像中器官与病变组织的精准分割，是辅助临床决策(如肿瘤边界界定、息肉尺寸测量)的关键技术基础。医学图像分割作为医学图像分析的一个重要组成部分，它基于深度学习中的计算机视觉领域相关知识，为医生在临床诊断方面起到重要的辅助决策作用。但是，医学图像的识别经常面临着各种挑战，无论是图像的低分辨率、还是目标组织的结构识别、还是多种不同位置、形状、大小的变化等，在这么多不可控的状况下，人工识别这一方法令医生感到耗时和费力，且容易造成一定的误诊和漏诊，这样的结果会导致患者的生存率大幅下降。mis的目的是为了将医学图像中的组织、病变、器官进行精准的识别，如内窥镜中的肾脏肿瘤分割、结肠镜中的息肉分割等等，这一过程对于临床医生进行各种解剖分析结构或病理状况的定性和定量评估以及对接下来引导治疗计划的制定有着至关重要的作用。</p>

2、近年本文档来自技高网...

【技术保护点】

1.一种基于多尺度融合语义增强的Transformer-CNN医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多尺度融合语义增强的Transformer-CN N医学图像分割方法，其特征在于，所述采用双编码器结构包括：利用PVTv2作为主编码器来捕获全局信息，利用三层res2net50作为辅助编码器，提供局部信息的补充。

3.根据权利要求2所述的一种基于多尺度融合语义增强的Transformer-CN N医学图像分割方法，其特征在于，所述采用双编码器结构分别耦合大核分组变换注意力模块和多层交叉注意力融合模块包括：

<p>4.根据权利要求...

【技术特征摘要】

1.一种基于多尺度融合语义增强的transformer-cnn医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多尺度融合语义增强的transformer-cn n医学图像分割方法，其特征在于，所述采用双编码器结构包括：利用pvtv2作为主编码器来捕获全局信息，利用三层res2net50作为辅助编码器，提供局部信息的补充。

3.根据权利要求2所述的一种基于多尺度融合语义增强的transformer-cn n医学图像分割方法，其特征在于，所述采用双编码器结构分别耦合大核分组变换注意力模块和多层交叉注意力融合模块包括：

4.根据权利要求1所述的一种基于多尺度融合语义增强的transformer-cn n医学图像分割方法，其特征在于，所述将大核分组变换注意力模块连接并行语义增强注意力模块，将多层交叉注意力融合模块的输出一部分用于优化并行语义增强注意力模块包括：在解码器部分利用并行语义增强注意力模块对各层特征信息进行保留和逐层传递，获取每层的解码器特征di(i＝1,2,3,4)，其中，在最深层执行1×1卷积和采样操作将f1特征的通道和尺寸进行调整与d4对齐并融合，补充深层特征中所不具备的一些局部信息。

5.根据权利...

【专利技术属性】
技术研发人员：徐超，张子龙，李正平，
申请(专利权)人：安徽大学，
类型：发明
国别省市：