【技術(shù)實(shí)現(xiàn)步驟摘要】
本公開(kāi)屬于圖像處理，更具體地說(shuō)，是涉及一種醫(yī)學(xué)圖像分割方法及裝置、電子設(shè)備、可讀存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、醫(yī)學(xué)圖像分割是計(jì)算機(jī)輔助診斷系統(tǒng)（cads）的核心任務(wù)之一，其準(zhǔn)確性直接影響到患者的診斷、治療和預(yù)后。雖然臨床專家對(duì)病變或靶點(diǎn)進(jìn)行人工注釋可以提供高質(zhì)量的分割結(jié)果，但這種方法耗時(shí)、勞動(dòng)密集型，且高度依賴于專家的知識(shí)和經(jīng)驗(yàn)，使其容易出現(xiàn)主觀錯(cuò)誤。因此，自動(dòng)化和準(zhǔn)確的醫(yī)學(xué)圖像分割技術(shù)對(duì)于提高診斷效率、減少醫(yī)生的工作量以及實(shí)現(xiàn)標(biāo)準(zhǔn)化和客觀的醫(yī)學(xué)圖像分析至關(guān)重要。醫(yī)學(xué)圖像分割是計(jì)算機(jī)輔助診斷中的關(guān)鍵任務(wù),對(duì)疾病的早期診斷和治療方案的制定具有重要意義。
2、隨著計(jì)算機(jī)硬件和深度學(xué)習(xí)技術(shù)的快速發(fā)展，自動(dòng)配對(duì)醫(yī)學(xué)圖像分割顯示出了巨大的前景。特別是，卷積神經(jīng)網(wǎng)絡(luò)（cnns）在醫(yī)學(xué)圖像分割任務(wù)中表現(xiàn)出了出色的性能，顯著提高了分割精度。unet體系結(jié)構(gòu)及其u形導(dǎo)數(shù)逐漸成為醫(yī)學(xué)圖像分割的標(biāo)準(zhǔn)范式，在各種任務(wù)中實(shí)現(xiàn)了最先進(jìn)的性能。從u-net中汲取靈感，后續(xù)模型通過(guò)設(shè)計(jì)獨(dú)特的特征增強(qiáng)模塊、結(jié)合注意力機(jī)制和改進(jìn)u-net結(jié)構(gòu)來(lái)提高分割精度。然而，由于卷積運(yùn)算的局部性，cnn在建模全局信息方面存在局限性，導(dǎo)致在某些復(fù)雜任務(wù)中性能不佳。傳統(tǒng)的基于cnn的分割方法主要依賴于局部特征提取,難以捕獲圖像中的長(zhǎng)程依賴關(guān)系。雖然通過(guò)堆疊更多的卷積層可以擴(kuò)大感受野,但同時(shí)也帶來(lái)了計(jì)算復(fù)雜度增加和優(yōu)化困難等問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本公開(kāi)的目的在于提供一種醫(yī)學(xué)圖像分割方法及裝置、電子設(shè)備、可讀存儲(chǔ)介質(zhì)，以提高
2、本公開(kāi)實(shí)施例的第一方面，提供了一種醫(yī)學(xué)圖像分割方法，包括：
3、對(duì)醫(yī)學(xué)圖像進(jìn)行多尺度的局部特征提取和全局特征提取，得到各尺度對(duì)應(yīng)的第一局部特征圖和第一全局特征圖；
4、將各尺度對(duì)應(yīng)的第一局部特征圖和第一全局特征圖進(jìn)行特征融合，得到各尺度對(duì)應(yīng)的第一融合特征圖；將各尺度對(duì)應(yīng)的第一融合特征圖進(jìn)行融合，得到第二融合特征圖；
5、將所述第二融合特征圖進(jìn)行解碼，得到圖像分割結(jié)果。
6、本公開(kāi)實(shí)施例的第二方面，提供了一種醫(yī)學(xué)圖像分割裝置，包括：
7、雙分支特征提取模塊，用于對(duì)醫(yī)學(xué)圖像進(jìn)行多尺度的局部特征提取，得到各尺度對(duì)應(yīng)的第一局部特征圖；
8、雙分支融合模塊，用于對(duì)醫(yī)學(xué)圖像進(jìn)行多尺度的全局特征提取，得到各尺度對(duì)應(yīng)的第一全局特征圖；將各尺度對(duì)應(yīng)的第一全局特征圖和第一局部特征圖進(jìn)行特征融合，得到各尺度對(duì)應(yīng)的第一融合特征圖；
9、解碼器，用于將所述第一融合特征圖進(jìn)行解碼，得到圖像分割結(jié)果。
10、本公開(kāi)實(shí)施例的第三方面，提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的醫(yī)學(xué)圖像分割方法的步驟。
11、本公開(kāi)實(shí)施例的第四方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的醫(yī)學(xué)圖像分割方法的步驟。
12、本公開(kāi)實(shí)施例提供的醫(yī)學(xué)圖像分割方法及裝置、電子設(shè)備、可讀存儲(chǔ)介質(zhì)的有益效果在于：
13、本公開(kāi)實(shí)施例中，通過(guò)對(duì)醫(yī)學(xué)圖像進(jìn)行多尺度的局部特征提取，得到的第一局部特征圖能夠捕獲醫(yī)學(xué)圖像中局部區(qū)域的細(xì)節(jié)信息；通過(guò)對(duì)醫(yī)學(xué)圖像進(jìn)行多尺度的全局特征提取，得到的第一全局特征圖能夠捕獲更廣泛的上下文信息。將各尺度對(duì)應(yīng)的第一局部特征圖和第一全局特征圖進(jìn)行特征融合，得到的第一融合融合特征圖能夠綜合反映局部與全局特征，將各尺度對(duì)應(yīng)的第一融合特征圖進(jìn)行融合，使得從低層到高層的特征都能被充分利用。綜上，通過(guò)多尺度特征的提取和融合，增強(qiáng)了模型的表達(dá)能力和分割性能。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種醫(yī)學(xué)圖像分割方法，其特征在于，包括：
2.如權(quán)利要求1所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述將各尺度對(duì)應(yīng)的第一局部特征圖和第一全局特征圖進(jìn)行特征融合，得到各尺度對(duì)應(yīng)的第一融合特征圖包括：
3.如權(quán)利要求2所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述基于通道注意力模塊和空間注意力模塊對(duì)所述第一全局特征圖進(jìn)行處理，得到第二全局特征圖，包括：
4.如權(quán)利要求1所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述將各尺度對(duì)應(yīng)的第一融合特征圖進(jìn)行融合，得到第二融合特征圖，包括：
5.如權(quán)利要求4所述的醫(yī)學(xué)圖像分割方法，其特征在于，在將各尺度對(duì)應(yīng)的第一細(xì)粒度特征圖和第二粗粒度特征圖進(jìn)行特征融合之前，醫(yī)學(xué)圖像分割方法還包括：
6.如權(quán)利要求4所述的醫(yī)學(xué)圖像分割方法，其特征在于，在將所述第一粗粒度特征圖依次經(jīng)過(guò)自適應(yīng)最大池化層和卷積處理之前，醫(yī)學(xué)圖像分割方法還包括：
7.如權(quán)利要求5或6所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述多個(gè)路徑的卷積處理包括：1x1卷積、標(biāo)準(zhǔn)卷積、條帶卷積和膨脹卷積。
8.一種醫(yī)學(xué)圖像分割裝置，
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述方法的步驟。
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述方法的步驟。
...【技術(shù)特征摘要】
1.一種醫(yī)學(xué)圖像分割方法，其特征在于，包括：
2.如權(quán)利要求1所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述將各尺度對(duì)應(yīng)的第一局部特征圖和第一全局特征圖進(jìn)行特征融合，得到各尺度對(duì)應(yīng)的第一融合特征圖包括：
3.如權(quán)利要求2所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述基于通道注意力模塊和空間注意力模塊對(duì)所述第一全局特征圖進(jìn)行處理，得到第二全局特征圖，包括：
4.如權(quán)利要求1所述的醫(yī)學(xué)圖像分割方法，其特征在于，所述將各尺度對(duì)應(yīng)的第一融合特征圖進(jìn)行融合，得到第二融合特征圖，包括：
5.如權(quán)利要求4所述的醫(yī)學(xué)圖像分割方法，其特征在于，在將各尺度對(duì)應(yīng)的第一細(xì)粒度特征圖和第二粗粒度特征圖進(jìn)行特征融合之前，醫(yī)學(xué)圖像分割方法還包括：
6.如權(quán)利...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：趙光哲，余東霖，陳嗣昊，林本旺，邱爽，王雪平，閆飛虎，
申請(qǐng)(專利權(quán))人：北京建筑大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。