[发明专利]基于增强型多尺度特征的深度学习结直肠癌息肉分割装置

权利要求书

1.一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，所述装置包括：

数据预处理模块，用于对结直肠癌息肉图像数据的分辨率进行调整和归一化处理；

编码器模块，使用多尺度残差结构的特征提取器和能捕获多尺度感受野的感受野块组件对息肉的多样性特征进行提取；

解码器模块，利用密集型多尺度跳跃连接传递上下文信息实现分割细节，通过局部上下文提供的注意力机制完成边界分割；并在上采样过程中使用深监督技术校准，减轻在训练时的梯度消失或爆炸现象；

所述特征提取器用于提取息肉图像的多样性特征，所述特征提取器由五个编码器块组成，将输出的特征图定义为：

E＝[E₁，E₂，E₃，E₄，E₅]

其中，E₁，E₂，E₃，E₄，E₅均为特征；

将E₃，E₄，E₅定义为高级特征，在所述高级特征对应的编码器块后加入感受野块组件，获取输出的特征图的多尺度感受野，将感受野块组件的输出特征表示为：

R_i＝RFB(E_i)，i＝3，4，5

其中，E_i表示编码器块输出的拥有高级语义的特征，R_i表示具备多尺度感受野的特征，RFB表示感受野块组件中由多分支的卷积和空洞卷积组成的复合运算；

所述解码器模块包括：多尺度跳跃连接、局部上下文子模块及深监督子模块；

所述多尺度跳跃连接为：

上采样过程中使用多尺度跳跃连接传输来自编码器模块的特征，解码器模块的特征定义为：

D＝[D₁，D₂，D₃，D₄，D₅]

对于每一个特征D_i由下述公式得到：

D₅＝R₅

D₄＝⊙(C(↓(E₁))，C(↓(E₂))，C(↓(R₃))，C(R₄)，C(↑(D₅)))

D₃＝⊙(C(↓(E₁))，C(↓(E₂))，C(R₃)，C(↑(D₄))，C(↑(D₅)))

D₂＝⊙(C(↓(E₁))，C(E₂)，C(↑(D₃))，C(↑(D₄))，C(↑(D₅)))

D₁＝⊙(C(E₁)，C(↑(D₂))，C(↑(D₃))，C(↑(D₄))，C(↑(D₅)))

式中，↓(·)表示基于池化的下采样操作，↑(·)表示基于双线性插值的上采样操作，C(·)表示卷积操作，⊙(·)表示复合操作，将得到的通道和尺度大小相同的特征图按照串联形式拼接在一起，使用卷积、ReLU激活函数、批归一化将拼接后的特征图进行融合。

2.根据权利要求1所述的一种基于增强型多尺度特征的深度学习结直肠癌息肉分割装置，其特征在于，所述局部上下文子模块为：

其中，σ(·)表示Sigmoid函数，pred表示输出的预测图在上采样各阶段的表达，AttenMap表示侧重边界像素的注意力图；表示矩阵逐元素相乘操作，表示矩阵逐元素相加操作，X表示的是解码器的特征图，X_atten表示经过注意力机制强化后的解码器的特征图。