基于边界感知的多尺度共享网络的息肉图像分割方法

本发明属于医学图像分割，具体涉及一种基于边界感知的多尺度共享网络的息肉图像分割方法。

背景技术：

1、结直肠癌(crc)在世界上最常见的癌症类型中位列前三。这种疾病主要是由生长在结肠或直肠中的一种叫做息肉的赘生组织诱发而引起的。预防结肠癌的关键是检测结肠内潜在的腺瘤性息肉。目前一般是通过定期去医院做内镜检查获取息肉图像，基于息肉图像进行息肉性质的分析诊断。息肉图像中息肉区域的分割是判断息肉性质的基本前提。息肉区域的分割性能越好，更有利于辅助医生进行检查和诊断。

2、随着人工智能相关技术的发展，基于深度学习模型对息肉图像进行息肉分割被广泛应用在息肉诊断中。但是目前的基于深度学习模型的辅助手段，一方面，在特征融合阶段通常会因为考虑节省计算资源而忽略低级特征在网络结构中的重要性，影响了对细节的准确捕捉，这可能导致模型在处理低级信息时的不足和性能下降；另一方面，对边界细节信息关注不足，导致分割结果的内部连贯性较差和分割边缘欠清晰。而这些缺陷都会影响息肉区域的分割性能。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于边界感知的多尺度共享网络的息肉图像分割方法。本发明要解决的技术问题通过以下技术方案实现：

2、本发明提供了一种基于边界感知的多尺度共享网络的息肉图像分割方法，包括：

3、步骤1：构建边界感知的多尺度共享网络；

4、步骤2：将训练息肉图像输入所述边界感知的多尺度共享网络，以对所述边界感知的多尺度共享网络进行训练；

5、步骤3：将待分割息肉图像输入至训练完成的边界感知的多尺度共享网络，得到所述待分割息肉图像的分割结果。

6、与现有技术相比，本发明的有益效果在于：

7、本发明的基于边界感知的多尺度共享网络的息肉图像分割方法，利用提出的边界感知的多尺度共享网络对待分割息肉图像进行分割，在进行息肉图像分割时，在考虑不同级别特征对网络产生的影响的同时充分增强边界细节以准确分割息肉。对低级特征和高级特征分别进行融合后，综合考虑分层特征在网络中的贡献，获取全局信息生成特征图作为后续步骤的初始引导。同时弥补反向注意力关注背景区域的缺陷，综合边界注意力进一步挖掘边界线索，并将融合后的低级特征作为边界指导合并到息肉分割网络中，对多方息肉特征信息以及息肉边界的上下文信息进行充分捕获以提高分割性能。

8、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

技术特征：

1.一种基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，包括：

2.根据权利要求1所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述边界感知的多尺度共享网络包括：

3.根据权利要求2所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述低级融合模块包括第一分支链路和第二分支链路以及级联卷积模块，其中，

4.根据权利要求2所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述高级融合模块包括多个感受野模块和级联部分解码器；每个层级的高级特征依次通过对应的感受野模块后通过级联部分解码器进行并行连接，得到所述融合高级特征。

5.根据权利要求2所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述选择性共享融合模块包括通道数减少模块、第一交叉共享支路、第二交叉共享支路和融合选择模块，其中，

6.根据权利要求2所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述并行注意力模块包括：平行轴向反向注意力单元、平行轴向边界注意力单元、卷积层和第二concat融合层，其中，

7.根据权利要求6所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，第i层级的反向注意力权重按照下式计算得到：

8.根据权利要求6所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，第i层级的边界注意力权重按照下式计算得到：

9.根据权利要求2所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述平衡权重模块包括级联的第三concat融合层、第三卷积模块、全局平均池化层和第三卷积模块；其中，

10.根据权利要求2所述的基于边界感知的多尺度共享网络的息肉图像分割方法，其特征在于，所述步骤3包括：

技术总结本发明涉及一种基于边界感知的多尺度共享网络的息肉图像分割方法，包括：构建边界感知的多尺度共享网络；将训练息肉图像输入边界感知的多尺度共享网络，以对边界感知的多尺度共享网络进行训练；将待分割息肉图像输入至训练完成的边界感知的多尺度共享网络，得到待分割息肉图像的分割结果。本发明方法利用提出的边界感知的多尺度共享网络对待分割息肉图像进行分割，在进行息肉图像分割时，在考虑不同级别特征对网络产生的影响的同时充分增强边界细节以准确分割息肉，综合考虑分层特征在网络中的贡献，获取全局信息生成特征图作为后续步骤的初始引导，对多方息肉特征信息以及息肉边界的上下文信息进行充分捕获以提高分割性能。技术研发人员：马卓奇,康肖璐,苗启广,刘糠,李宇楠受保护的技术使用者：西安电子科技大学技术研发日：技术公布日：2024/7/29