[发明专利]基于病变边界信息响应的上下文感知医学图像分割方法

权利要求书

1.一种基于病变边界信息响应的上下文感知医学图像分割方法，包括：

对原始图像数据进行预处理；

将预处理的图像数据输入到经训练的卷积神经网络进行特征提取以进行图像分割，其中所述卷积神经网络的编码网络包含多个编码阶段和空间金字塔卷积模块，并且每个编码阶段依次连接金字塔边缘特征提取模块、多任务学习模块和交叉特征融合模块，以挖掘同一水平的特征并聚合不同水平的特征，所述卷积神经网络的解码网络通过依次聚合所述空间金字塔卷积模块的输出特征和每个编码阶段的编码特征得到解码特征。

2.根据权利要求1所述的方法，其中，所述编码网络依次包含多个残差卷积模块，且最后一个残差卷积模块的输出特征图应用所述空间金字塔卷积模块以捕捉多尺度特征。

3.根据权利要求1所述的方法，其中，所述金字塔边缘特征提取模块执行以下步骤：

提取当前编码阶段不同粒度的边缘特征，表示为；

对提取的不同粒度的边缘特征通过拼接操作进行特征聚合，并使用1x1的卷积进行融合：

其中，F′_i表示对编码网络的第i个编码阶段卷积后的特征图，表示第i编码阶段的使用第s个池化操作得到的边缘特征，avg_s表示自适应尺度s的平均池化操作，表示拼接过程，表示当前阶段金字塔边缘特征提取模块的输出特征图，表示1x1的卷积操作，表示相关参数。

4.根据权利要求1所述的方法，其中，所述多任务学习模块包含边缘提取子任务分支、分割子任务分支和交互注意力层且以所述金字塔边缘特征提取模块的输出特征图作为两个子任务分支的输入，以提取相关任务的特征，所述交互注意力层用于挖掘所述边缘提取子任务和所述分割子任务之间的交互信息。

5.根据权利要求4所述的方法，其中，所述边缘提取子任务分支和所述分割子任务分支各包含多个卷积层和一个上采样层，所述交互注意力层被设置在两个子任务分支的第一层卷积中。

6.根据权利要求5所述的方法，其中，所述交互注意力层执行以下步骤：

利用sigmoid函数得到一个注意力权重矩阵，用于表示当前边缘特征的重要位置；

对注意力权重取反，得到分割子任务的权重注意力掩码；

通过逐像素的相乘操作从分割特征中选择性地传递有用信息到当前的边缘特征中。

7.根据权利要求1所述的方法，其中，所述交叉特征融合模块用于从所述编码网络的高层和低层特征进行选择性的聚合，提取不同阶段特征的互补信息，表示为：

其中，σ表示sigmoid激活函数，表示逐像素相乘，表示第i个多任务学习模块的输出特征图。

8.根据权利要求1所述的方法，其中，所述空间金字塔卷积模块包含多个多尺度的卷积操作和一个全局池化操作。

9.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8中任一项所述的方法的步骤。