买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：呼伦贝尔学院

摘要：本发明涉及一种基于区域与边界协作的医学图像分割方法，属于医学图像分割技术领域。该方法将医学图像分割分解为区域检测和边界定位任务，并在同一框架下执行并联同构的网络来获取初始区域与边界信息，再构造协作推理块挖掘区域与边界之间的关系，优化网络的特征表示能力。本发明通过有效聚合区域与边界特征，有效提高了分割结果的准确性。

主权项：1.一种基于区域与边界协作的医学图像分割方法，其特征在于，包括如下步骤：步骤一、对医学图像数据集进行预处理，其次在数据集中的分割掩码上运用Sobel算子获取边界掩码，并对医学图像进行数据增强包括颜色抖动，随机裁剪，随机旋转等；公式如下：Gb＝SobelGNew_I＝DAI其中，G为医学图像的分割掩码，Sobel·表示Sobel算子，Gb为边界定位掩码；I为原图像，DA·表示数据增强策略,New_I为数据增强后的图像；步骤二、从训练集中采样医学图像、对应的分割掩码以及边界定位掩码，构成一个batch；batch＝CatNew_I,G,Gb，其中Cat为张量拼接操作；步骤三、将batch数据的New_I输入共享编码器Eθ1进行前向传播，其中Eθ1使用经典的分类模型并加载其ImageNet上的预训练权重，提取多层特征；Fi＝Eθ1New_I步骤四、将编码器Eθ1提取到的多层特征输入到两个并联的网络S1和S2，获得到区域特征Ri和边界特征Bi；其中，网络S1和S2分别由多层特征优化器和对应的解码器组成区域检测解码器Rθ2和边界定位解码器Bθ3，表达示如下：S1＝MLPFi⊙Rθ2S2＝MLPFi⊙Bθ3区域特征Ri和边界特征Bi分别表示为：Ri＝Rθ2MLPFiBi＝Bθ3MLPFi其中，MLP·为多层特征优化器；⊙表示网络级联；步骤五、基于区域与边界之间协作推理，获取区域特征Ri和边界特征Bi之间的相关性，生成相关性线索FR，公式描述如下：FR＝RelationRi,Bi其中，Relation·代表推理操作，具体可由交叉注意力或图卷积等操作实现；步骤六、利用相关性线索FR，进一步优化区域特征Ri′与边界特征Bi′，使得区域特征在边界处有强相应，边界特征中去除区域内部的杂乱边界，公式描述如下：Ri′＝OptimizationRi,FRBi′＝OptimizationBi,FR其中，Optimization·表示优化操作；步骤七、聚合优化后的区域特征Ri′与边界特征Bi′，获得分割预测图P，公式如下：P＝SigmoidAggregateRi′,Bi′其中，Sigmoid·表示Sigmoid激活函数，Aggregate·代表聚合操作；步骤八、对区域特征，边界特征，以及生成的分割预测图S进行损失计算；总损失定义如下：LTotal＝αLR+βLB+γLPLR＝LPPARi,G+LPPARi′,GLB＝LBCEBi,Gb+LBCEBi′,GbLP＝LPPAS1,G+LPPAS2,G其中，α，β和γ为超参数，用于平衡各部分损失，LPPA为像素位置感知损失，LBCE为二元交叉熵损失；步骤九、重复步骤三至步骤八，直到当前迭代次数达到预定义的最大迭代次数；步骤十、将待预测医学图像送入训练好的模型进行前向传播，得到最终分割结果。

全文数据：

权利要求：

百度查询： 呼伦贝尔学院 基于区域与边界协作的医学图像分割方法