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：安徽大学

摘要：本发明公开了一种基于细节增强反向注意力网络的膀胱肿瘤图像分割方法及系统，涉及膀胱肿瘤图像分割技术领域，包括：获取膀胱肿瘤图像，构建膀胱肿瘤图像数据集，构建基于自注意力机制的膀胱肿瘤图像分割模型，对膀胱肿瘤图像分割模型进行多尺度并行处理和细节增强处理；得到最优膀胱肿瘤图像分割模型；获取实时膀胱肿瘤图像，输入至最优膀胱肿瘤图像分割模型中，得到膀胱肿瘤预测结果。本发明采用PVTv2编码器和多尺度高效通道关注模块、密集汇聚模块、相似聚合模块、细节增强反向注意力模块、高效通道空间关注模块和反向注意力模块来捕获膀胱肿瘤的多尺度全局特征，并增强局部特征表示，有效准确地定位膀胱镜下的膀胱肿瘤。

主权项：1.一种基于细节增强反向注意力网络的膀胱肿瘤图像分割方法，其特征在于，包括：获取膀胱肿瘤图像，构建膀胱肿瘤图像数据集，将所述膀胱肿瘤图像数据集划分为训练集和测试集；构建基于自注意力机制的膀胱肿瘤图像分割模型，对所述膀胱肿瘤图像分割模型进行多尺度并行处理和细节增强处理；对所述膀胱肿瘤图像分割模型进行多尺度并行处理和细节增强处理包括：对图像数据进行多层次特征提取并转换得到多尺度特征，包括：采用视觉变压器PVTv2作为编码器提取全局信息，从视觉变压器PVTv2中得到四个不同层次的金字塔特征Xi，i＝1,2,3,4，其中，X1为低级特征，包含纹理、颜色和边缘细节信息，同时也包含噪声和无关信息；X2、X3和X4为高级特征，包含定位膀胱肿瘤的特征信息；将4个金字塔特征Xi输入到多尺度高效通道关注模块中，获得具有通道权值信息的多尺度特征XMi；对多尺度特征进行聚合，将聚合后的多尺度特征与最底层多尺度特征进行整合，生成最顶层全局特征图，包括：密集汇聚模块接收3个高级特征XM2，XM3，XM4，并将它们进行聚合，生成初始全局映射图D6；将初始全局映射图D6和包含丰富的纹理、颜色和边缘细节信息的低级特征XM1发送到相似聚合模块，生成一个包含细节信息的全局特征图D5；将最底层特征进行上采样后分别与其余层特征进行融合，再将融合后信息整合到前一层的全局特征图中，包括：将X1,Xi,Di+1，i＝2,3,4，依次输入到3个细节增强反向注意力模块中，X1用来提供底层细节信息给各个高级特征Xi，细节增强反向注意力模块利用前一层的全局特征图Di+1，依次删除当前预测的膀胱肿瘤区域，捕获细粒度细节信息和局部边界信息，再将这些信息整合到Di+1中，得到包含膀胱肿瘤边缘结构细节的预测图D2，即，Di＝Di+1+DERAX1，Xi，Di+1，i＝2，3，4；将最底层特征进行优化处理后耦合前一层的全局特征图输入反向注意力模块中提炼信息，将提炼信息整合到前一层的全局特征图中，得到最终预测结果，包括：将底层特征X1输入到高效通道空间注意模块中，再将抑制过噪声和无关信息的低级特征和D2输入到反向注意力模块中，提炼边缘细节信息，再将其整合到D2中，得到最终预测图D1，在训练过程中，对6个阶段生成的预测图Di，i＝1,2,3,4,5,6，进行混合监督，DERA为细节增强反向注意力模块；通过训练集进行膀胱肿瘤图像分割模型训练，通过测试集进行膀胱肿瘤图像分割模型测试，得到最优膀胱肿瘤图像分割模型；获取实时膀胱肿瘤图像，输入至最优膀胱肿瘤图像分割模型中，得到膀胱肿瘤预测结果。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于细节增强反向注意力网络的膀胱肿瘤图像分割方法及系统