[发明专利]结直肠息肉图像的识别方法、装置及存储介质

权利要求书

1.一种结直肠息肉图像的识别方法，其特征在于，所述结直肠息肉图像的识别方法包括：

对结直肠部位图像进行色彩均衡化处理和边缘特征图融合，得到所述结直肠部位图像的梯度特征融合图；

调用预先构建的基于注意力拆分模块ResNeSt Block的结直肠息肉分型的分类模型，对所述结直肠部位图像的梯度特征融合图进行识别；

所述边缘特征图融合包括：

对色彩均衡化处理后的图像进行缩放，得到缩放图像；

将所述缩放图像进行边缘提取，得到边缘特征图；

将所述缩放图像与所述边缘特征图融合成梯度特征融合图。

2.根据权利要求1所述的结直肠息肉图像的识别方法，其特征在于，所述结直肠息肉图像的识别方法还包括：

对预先获取的结直肠息肉样本图像进行色彩均衡化处理和边缘特征图融合，得到结直肠息肉样本图像的梯度特征融合图；

利用所述结直肠息肉样本图像的梯度特征融合图和预先构建的基于ResNeSt Block的特征提取网络，训练所述分类模型；并在训练所述分类模型的过程中，通过损失函数优化所述分类模型；所述损失函数公式如下：

在所述分类模型训练完成后，得到所述基于ResNeSt Block的结直肠息肉分型的分类模型；式中L代表损失值，n代表总类别数量，i代表当前数据的真实类别，t代表经过所述特征提取网络得到的类别概率分布的1D张量，t[i]代表所述分类模型在i类别下的预测概率值，w(i)代表对i类别预测损失值的加权系数，代表对t的所有数值进行exp再加和。

3.根据权利要求2所述的结直肠息肉图像的识别方法，其特征在于，所述利用所述结直肠息肉样本图像的梯度特征融合图和预先构建的基于ResNeSt Block的特征提取网络，训练所述分类模型，包括：

在所述预先构建的基于ResNeSt Block特征提取网络中，对所述结直肠息肉样本图像的梯度特征融合图进行训练；

将ResNeSt Block的输出通过Mish函数激活。

4.根据权利要求3所述的结直肠息肉图像的识别方法，其特征在于，所述Mish函数为：

f(x)=x*tanh(ln(1+e^x))；

式中，x为ResNeSt Block的输出特征图的像素值。

5.根据权利要求3所述的结直肠息肉图像的识别方法，其特征在于，所述在所述预先构建的基于ResNeSt Block特征提取网络中，对所述结直肠息肉样本图像的梯度特征融合图进行训练，包括：

对所述结直肠息肉样本图像的梯度特征融合图拆分，得到k个分组卷积；

将每个分组卷积拆分得到r个第一特征图；

对k * r个第一特征图先进行1*1和3*3两次卷积运算后，每组分组卷积中将重新得到r个第二特征图，将r个第二特征图进行融合，输入至Split Attention 层通过注意力机制加强特征，得到k个结果；

将k个结果继续进行融合后输入至一个1*1的卷积层进行卷积计算，得到ResNeStBlock的输出；k和r均为超参数。

6.根据权利要求2所述的结直肠息肉图像的识别方法，其特征在于，所述在训练所述分类模型过程中，通过损失函数优化所述分类模型还包括：

根据所述结直肠息肉样本图像的正负样本的数量配比，对正样本进行加权计算损失值。

7.根据权利要求1-6中任意一项所述的结直肠息肉图像的识别方法，其特征在于，所述色彩均衡化处理包括：

根据图像的色彩均值，确定图像的RGB通道权重值；

根据图像的RGB通道权重值，对所述图像的RGB通道加权；所述图像为结直肠部位图像或者结直肠息肉样本图像。