[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

说明书

本发明公开了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，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。本发明解决了小息肉难以分辨和定位、以及息肉与周围组织边界模糊不清的问题，同时深监督机制的引入优化了网络模型的梯度，加快了网络模型的收敛，缩短了网络模型的训练时间。

技术领域

本发明涉及基于深度学习的图像分割领域，尤其涉及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。

背景技术

结直肠癌(colorectal cancer,CRC)是世界上最常见的恶性肿瘤之一，它的死亡率在所有癌症中排名第三。研究表明，多数结直肠癌患者被发现时已经是中晚期伴随着转移，而95％的结直肠癌是由结直肠腺瘤性息肉引起的，整个发展过程大概需要5-10年。在腺瘤性息肉(polyp)阶段将病灶切除，就可以及时预防结直肠癌。因此，息肉的早期检测就显得尤为重要。

结肠镜检查(colonoscopy)被认为是早期检查和切除息肉的最佳诊断工具，是结肠癌筛查的金标准。然而，结肠镜检查质量较低导致漏诊率较高，其中国外息肉的漏诊率为6％-27％，国内的漏诊率约为22.5％。这是由于结肠镜检查需要内窥镜医生手动操作，是一种相对主观的检查方式，进行手术操作医生的技术水平是影响结肠镜检查质量的主要因素。因此，借助人工智能技术开发出一种计算机辅助诊断(computer aided diagnosis，CAD)的装置以辅助内窥镜医生的手术过程是提高结肠镜检查质量的重要手段。

近年来，息肉分割在结直肠癌的诊断和治疗中发挥着重要作用。息肉分割是一种基于结肠镜图像或视频的像素级分类任务，它可以将病变区域清晰地标注，与大肠周围的组织进行区分。然而，息肉分割任务面临着诸多挑战：其一，息肉的大小、形状和颜色等形态学信息具有多样性；其二，息肉与周围组织之间的边界模糊难以分辨。

因此，基于深度学习实现的具有自动和精确分割息肉功能的计算机辅助诊断装置具有重要的临床意义。

发明内容

本发明提供了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，该装置由数据预处理模块、编码器模块和解码器模块组成，解决了小息肉难以分辨和定位、以及息肉与周围组织边界模糊不清的问题，同时深监督机制的引入优化了网络模型的梯度，加快了网络模型的收敛，缩短了网络模型的训练时间，详见下文描述：

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，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。

其中，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。