[发明专利]皮肤镜图像的分割方法及其分割装置

权利要求书

1.一种皮肤镜图像的分割方法，其特征在于，所述皮肤镜图像的分割方法包括：

在皮肤镜图像的RGB彩色图像的基础上增加灰度图像信息得到预处理后的皮肤镜图像；

采用轻量级全卷积神经网络作为图像分割模型的基本框架，并且将ResNet50作为轻量级全卷积神经网络的编码阶段，在此过程中，将ResNet50的网络结构和轻量级全卷积神经网络的编码器结构做匹配调整；

在图像分割模型的轻量级全卷积神经网络中采用双重注意力模块将信息进行聚合，以生成通道注意力向量；

构建自适应权重损失模块，利用自适应权重损失函数根据预处理后的皮肤镜图像中分割目标区域的相对面积大小分配不同的权重；

在图像分割模型中建立融合双重注意力模块和自适应权重损失模块的分割网络，在基于轻量级全卷积神经网络的基本框架中，在编码器与解码器的连接处插入双重注意力模块，采用分段平均的方法得到最终权重，进而得到自适应权重损失模块中的自适应权重损失函数；

对融合双重注意力模块和自适应权重损失模块的分割网络的图像分割模型进行训练得到训练后的图像分割模型；

通过训练后的图像分割模型对待分割的皮肤镜图像进行分割，以自动分割出病变区域。

2.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于，在步骤在皮肤镜图像的RGB彩色图像的基础上增加灰度图像信息得到预处理后的皮肤镜图像中，增加灰度图像信息的具体计算公式如下：

Gray＝0.2989*R+0.5870*G+0.1140*B；

其中，Gray表示灰度图像信息。

3.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于，在将ResNet50的网络结构和轻量级全卷积神经网络的编码器结构做匹配调整中，具体包括：移出原始ResNet50最后的平均池化层和全连接层，保持网络的全卷积结构,从而替换轻量级全卷积神经网络中的编码器部分；把ResNet50中第一个7×7卷积层替换为能够保持图像输入大小的两个3×3卷积层，并将第一个卷积层的通道数修改为4。

4.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于，在步骤构建自适应权重损失模块，利用自适应权重损失函数根据预处理后的皮肤镜图像中分割目标区域的相对面积大小分配不同的权重中，具体如下：

自适应权重损失函数利用金标准的先验信息，根据分割目标区域的相对面积大小，给不同图像的损失动态分配权重，小尺度目标分配大权重，大尺度目标分配小权重，自适应权重损失函数中的初始权重如下：

β＝1+(T-α)；

其中，T∈(0，1)，T是划分阈值，图像中病变区域面积占图像总面积大于T则该图像为大目标，图像中病变区域面积占图像总面积小于T则该图像为小目标，β∈(T，T+1)，β表示根据分割目标大小生成的权重。

5.根据权利要求4所述的皮肤镜图像的分割方法，其特征在于，采用分段平均的方法得到最终权重，具体如下：

其中，γ表示最终生成的权重系数；

自适应权重损失模块中的自适应权重损失函数Loss的计算公式表示为：

Loss＝γ(1-Dice)；

其中，Dice系数的公式为：

其中，X表示分割网络预测的结果，Y表示分割金标准。

6.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于，在步骤对融合双重注意力模块和自适应权重损失模块的分割网络的图像分割模型进行训练得到训练后的图像分割模型中，具体为：

在训练过程中，使用随机旋转的在线皮肤镜图像进行训练；将训练使用的皮肤镜图像的四个通道的像素值全部归一化到0至1之间，并使用Adam优化器来更新网络参数，初始学习率设为1×e^-4，批次大小设为4，并且每训练30轮学习率衰减为之前的0.1倍。

7.一种皮肤镜图像的分割装置，包括存储器和处理器，存储器中存储计算机程序，所述计算机程序在被所述处理器执行时，实现以下步骤：如权利要求1至6中任一所述的皮肤镜图像的分割方法。