[发明专利]基于多尺度与局部特征引导网络的角膜神经纤维分割方法

权利要求书

1.一种基于多尺度与局部特征引导网络的角膜神经纤维分割方法，其特征在于，包括：

步骤一：将医学图像训练集输入多尺度与局部特征引导网络中进行训练；

步骤二：利用U型网络中四层编码器对医学样本图像进行下采样特征提取，得到特征图；

步骤三：利用多个多尺度特征渐进引导网络提取编码器之间的特性信息并进行拼接融合处理，输出特征融合图至对应的解码器中；

步骤四：将特征图输入局部特征引导注意力网络中进行局部特征处理，输出局部注意力特征图，包括：

将最后一层编码器输出的特征图裁剪为多个小分块；

将每个小分块利用横条状池化层、竖条状池化层和点状池化层进行池化，得到横条状特征、竖条状特征和点状特征；

将所述横条状特征、所述竖条状特征和所述点状特征扩展并进行拼接，得到空间特征；

将所述每个小分块利用三个卷积层进行处理，得到三个像素分支；

将所述三个像素分支进行拼接，得到像素特征；

将所述空间特征、所述像素特征和所述多个小分块相加重整，将输出的所述局部注意力特征图输入至第一层解码器中；

步骤五：将局部注意力特征图输入第一层解码器中进行解码，每个解码器将多尺度特征渐进引导网络输出的特征融合图与局部注意力特征图进行融合处理，输出解码特征图至下一个解码器中；

步骤六：重复步骤五，直至达到最后一层解码器输出医学分割图像；

步骤七：利用多尺度深度监督网络对每个解码器输出的特征图，将上采样处理后的每个解码器输出的特征图与预设解码器输出的特征图进行拼接，并通过卷积层对拼接后的特征图进行处理，输出每个解码器对应的医学分割图像；

步骤八：计算所述每个解码器对应的医学分割图像与所述样本图像的标注区域的损失函数值，利用损失函数值监督训练多尺度与局部特征引导网络。

2.如权利要求1所述的方法，其特征在于，所述多尺度与局部特征引导网络还包括：

多个多尺度特征渐进引导网络，其中，每个多尺度特征渐进引导网络采集所述多个编码器输出的特征图并进行融合，将融合后的特征图输入指定的解码器中。

3.如权利要求2所述的方法，其特征在于，所述每个多尺度特征渐进引导网络采集所述多个编码器输出的特征图并进行融合，将融合后的特征图输入指定的解码器中包括：

S31：采集每个编码器输出的特征图；

S32：将第个编码器输出的特征图进行动态上采样处理，输出第动态特征图；

S33：将所述第动态特征图与第个编码器输出的特征图进行拼接融合，进行动态上采样处理，输出第动态特征图；

S34：令，重复步骤S33，直至等于预设值，将所述第动态特征图输入所述指定的解码器中。

4.如权利要求1所述的方法，其特征在于，所述多尺度与局部特征引导网络还包括：局部特征引导注意力网络；

将最后一层编码器输出的特征图输入所述局部特征引导注意力网络中；

利用所述局部特征引导注意力网络对所述最后一层编码器输出的特征图进行局部信息捕捉，输出局部注意力特征图；

将所述局部注意力特征图输入所述解码器中进行处理。

5.如权利要求1所述的方法，其特征在于，所述利用U型网络的编码器和解码器对医学样本图像进行特征提取包括：

利用所述U型网络中多个编码器对所述医学样本图像进行下采样特征提取，得到特征图；

将所述特征图输入所述U型网络中多个特征解码器中进行上采样处理，输出医学分割图像。

6.如权利要求5所述的方法，其特征在于，所述利用所述U型网络中多个编码器对所述医学样本图像进行下采样特征提取，得到特征图包括：

将所述医学样本图像输入第一卷积层中进行特征提取，输出第一特征图；

将所述第一特征图进行下采样，输入第二卷积层中进行特征提取，输出第二特征图；

将所述第二特征图进行下采样，输入第一ResNet层中进行特征提取，输出第三特征图；

将所述第三特征图进行下采样，输入第二ResNet层中进行特征提取，输出所述特征图。