[发明专利]多尺度特征融合的肠道镜图像分割算法

权利要求书

1.多尺度特征融合的肠道镜图像分割算法，包括ResNet50主干提取网络、金字塔特征提取模块PFEM和多比例融合模块MPFM，其特征在于：所述ResNet50主干提取网络用于从肠道镜图像中提取多尺度息肉特征；所述金字塔特征提取模块PFEM用于扩大感受野，提取多尺度的细节信息；所述多比例融合模块MPFM通过输入次数来调节不同特征权重，对经过处理的深、浅层特征进行不同比例的融合，可以强化息肉区域，提高边缘的分割精度，使网络在复杂环境下表现更好。

2.根据权利要求1所述的多尺度特征融合的肠道镜图像分割算法，其特征在于：所述ResNet50主干提取网络输出由低级到高级的四个尺度的特征图X1、X2、X3和X4。

3.根据权利要求1所述的多尺度特征融合的肠道镜图像分割算法，其特征在于：所述金字塔特征提取模块PFEM包含纹理和颜色细节信息。

4.根据权利要求1所述的多尺度特征融合的肠道镜图像分割算法，其特征在于：所述金字塔特征提取模块PFEM包括第一部分和第二部分，所述第一部分是一个卷积块，用一个3×3卷积提取特征后经过SiLU激活函数后再用一个1×1卷积调整通道；所述第二部分将ASPP结构中的扩张率为r＝24的空洞卷积的分支去掉，将4条分支改进为3条分支作为模块，用三个不同扩张率的并行空洞卷积完成多个不同尺度的特征提取。

5.根据权利要求4所述的多尺度特征融合的肠道镜图像分割算法，其特征在于：所述多比例融合模块MPFM来融合经过处理的深、浅层特征，已经处理过的第一、二、三、四层特征图A、B、C、D，在第一部分中，对特征图D进行上采样和卷积得到的D1、D2、D3和D4，把得到的D2乘上C，再与D1连接，并通过卷积层来平滑拼接特征，得到第一部分的特征映射C3；第二部分中，把特征图C进行上采样和卷积层得到C1和C2,并把C1与D3、B相乘得到第二部分的特征映射B2，并把B2和C3的特征进行拼接，再经过一个3×3卷积得到深层特征融合的结果T2；第三部分把特征图B上采样后经过一个卷积层得到的B1与C2、D4、A相乘得到第三部分的特征映射A2，并把A2与深层特征融合的结果T2进行拼接，再经过一个3×3卷积进行平滑拼接特征和通道数的调整得到最终输出深、浅层特征融合的结果T1。

6.根据权利要求5所述的多尺度特征融合的肠道镜图像分割算法，其特征在于：所述多比例融合模块MPFM采用多比例融合策略，通过四次输入第四层特征、三次输入第三层特征、两次次输入第二层特征和一次输入第一层特征的方式加大深层特征所占比例，在获得清晰的语义的同时融合浅层特征，强化息肉区域，得到准确的分割结果。

7.根据权利要求1所述的多尺度特征融合的肠道镜图像分割算法，其特征在于：还包括以下算法：

召回率Recall公式如下：

精确率Precision公式如下：

平均交并比mIoU公式如下：

骰子系数Dice公式如下：

准确率Accuracy公式如下：

其中，TP表示真实图上像素为息肉且预测图上像素也为息肉，TN表示真实图上像素为非息肉且预测图上像素也为非息肉,FP表示真实图上像素为非息肉而预测图上像素也为息肉,FN表示真实图上像素为息肉而预测图上像素也为非息肉。