[发明专利]一种融合多种注意力机制神经网络的结直肠息肉分割方法

说明书

本发明公开了一种融合多种注意力机制神经网络的结直肠息肉分割方法，包括：(1)收集多种类型内窥镜下结直肠息肉图像，并通过图像随机水平翻转、随机对比度增强、0.75～1.25倍随机多尺度放大缩小和0～360度随机旋转等方法进行图像增强，组成训练样本；(2)构建包含多种注意力机制的神经网络，其中包含特征提取模块、通道分组空间增强模块、轴向自注意力结合感受野增强模块和逆向注意力边界增强模块；(3)利用训练样本训练所述神经网络，优化网络参数，确定网络参数后与神经网络共同组成模型；(4)应用时，采集内窥镜下结直肠图像，并输入至模型中，经计算输出结直肠息肉分割图像。该方法提升结直肠息肉的分割效果。

技术领域

本发明涉及数字图像领域、图像分割、计算机视觉以及深度学习领域，具体涉及一种基于融合多种注意力机制神经网络的结直肠息肉分割方法。

背景技术

结直肠癌(Colorectal Cancer,CRC)是一种常见的消化道恶性肿瘤,是全球第三大癌症.大多数结直肠癌由腺瘤性息肉演变而来,因此结直肠癌的早期诊断对提高结直肠癌患者的生存率至关重要,事实上,处于第一阶段的结直肠癌的生存率超过95％,而处于第四和第五阶段,则下降到35％以下.目前,结肠镜检查已广泛应用于临床之中,并已成为筛查结直肠癌的标准方法.在临床实践之中,结肠镜检查在很大程度上依赖于医生的经验,并且由于息肉具有不同大小、形态、颜色、纹理以及和周围组织粘膜高度相似、异常组织边界不清,所处环境在边界处的对比度较低等特点导致漏诊率很高。

在早期的研究中,基于学习的方法主要依赖手工提取的特征例如：颜色、形状、纹理、外观或其组合.这类方法通常训练一个分类器来从结肠镜图像中分离出息肉.然而,由于手工提取特征在描述异质息肉以及息肉与难样本之间的相似性时表征能力有限,所以通常存在检测精度低的问题，不利于临床的诊断，因此高精度地分割结直肠息肉就具有十分重要的意义。

发明内容

基于上述，本发明的目的是提供一种基于融合多种注意力机制神经网络的结直肠息肉分割方法，解决息肉具有不同大小、形态、颜色、纹理以及和周围组织粘膜高度相似、异常组织边界不清所造成的分割精度不高的问题。

为实现上述发明目的，本发明提供以下技术方案：

一种融合多种注意力机制神经网络的结直肠息肉分割方法，其特征在于，包括以下步骤：

1)收集多种类型内窥镜下结直肠息肉图像，并进行图像增强，组成训练样本；

2)构建包含多种注意力机制的神经网络，其中包含特征提取模块、通道分组空间增强模块、轴向自注意力结合感受野增强模块和逆向注意力边界增强模块；

3)利用训练样本训练所述神经网络，优化网络参数，确定网络参数后与神经网络共同组成模型；

4)应用时，采集内窥镜下结直肠图像，并输入至模型中，经计算输出结直肠息肉分割图像。

所述的融合多种注意力机制神经网络的结直肠息肉分割方法，其特征在于，步骤1)具体过程如下：

步骤1.1)收集内窥镜下结直肠息肉图像数据集；

步骤1.2)通过线性插值插值方法将图像分辨率调整为352×352，并将数据集分为训练数据和测试数据两部分；

步骤1.3)对训练数据中的图像进行随机水平翻转、随机对比度增强、0.75～1.25倍随机多尺度放大缩小和0～360度随机旋转。

所述的融合多种注意力机制神经网络的结直肠息肉分割方法，其特征在于，步骤2)中通道分组空间增强模块、轴向自注意力结合感受野增强模块和逆向注意力边界增强模块的构建具体过程如下：