[发明专利]基于双路径网络和通道注意的白细胞图像分割方法

权利要求书

1.一种基于双路径网络和通道注意的白细胞图像分割方法，其特征在于，包括：

特征编码阶段：引入由ResNet和DenseNet组成的双路径网络DPN作为特征编码器，以提取多尺度图像白细胞特征；

特征映射捕获阶段：通过通道注意模块增强双路径网络DPN的白细胞特征提取能力，即将特征编码阶段提取的白细胞特征输入通道注意模块，得到更新后的白细胞特征；

特征解码阶段：基于更新后的白细胞特征，采用由卷积和反卷积组成的特征解码器重建白细胞特征图，以实现端到端的白细胞分割。

2.根据权利要求1所述的基于双路径网络和通道注意的白细胞图像分割方法，其特征在于，特征编码阶段中，所述双路径网络DPN包括两条分支路径：ResNet路径和DenseNet路径，双路径网络DPN通过将两条分支路径的结果组合起来，使其成为下一个节点的输入。

3.根据权利要求1所述的基于双路径网络和通道注意的白细胞图像分割方法，其特征在于，所述特征映射捕获阶段实现如下：

将特征编码阶段提取的白细胞特征，即原始特征A的维度由C×H×W变换为C×N，并执行A和A^T的矩阵乘法；

应用softmax函数来获得通道注意矩阵X，其维度为C×C；

计算X^T与A的乘积，并将它们的结果变形为C×H×W；

将得到的结果与一个尺度参数相乘，并与A执行元素和的操作，以获得最终的输出特征E，即更新后的白细胞特征。

4.根据权利要求1所述的基于双路径网络和通道注意的白细胞图像分割方法，其特征在于，特征解码阶段中，引入跳跃连接融合来自特征编码器的浅层特征和来自特征解码器的深层特征，以恢复图像细节，减少信息的损失。

5.根据权利要求1所述的基于双路径网络和通道注意的白细胞图像分割方法，其特征在于，该方法采用lovasz-softmax作为损失函数来训练网络；损失函数具体定义为：

其中，c代表白细胞细胞核或者细胞质类，C代表细胞核和细胞质类的集合，m(c)是类c的像素误差向量；ΔJ_c是基于Jaccard指数的损失函数，是ΔJ_c的Lovasz扩展，具体定义如下：

其中，g_ic和p_ic分别代表像素点i属于白细胞类c的真实标签和预测结果。