[发明专利]一种基于Vision Transformer的翼状胬肉病灶区域的分割方法

说明书

本发明公开了一种基于Vision Transformer的翼状胬肉病灶区域的分割方法，属于图像处理与应用技术领域，本发明目的是解决现有针对翼状胬肉病灶区域定位、分割不准确等问题。本方法包括：选取合作医院提供的眼前节图像作为原始样本，将样本划分为训练集、验证集和测试集，并进行一系列预处理操作；提出了融合Vision Transformer、卷积网络和金字塔池化模块相融合的语义分割模型对眼前节图像中翼状胬肉病灶区域进行语义分割，利用本发明提出的基于Vision Transformer的翼状胬肉病灶区域的分割方法可以提取出更多的目标信息从而实现对眼前节图像中翼状胬肉的高效且准确的分割。

技术领域

本发明属于医学图像处理与应用技术领域，具体涉及一种基于深度学习的翼状胬肉病灶区域的分割方法。

背景技术

全球翼状胬肉的患病率约为12％。在2015年之前，学者们大多通过传统机器学习来实现对目标对象的分割。传统的分割方法有阈值法、区域生长法和边缘检测法等，但传统机器学习在医学影像上的分割精度和效率难以达到实际应用要求。

近来年，很多研究已经通过深度学习中的卷积技术实现疾病的分类诊断并达到了95％左右的准确率。但只通过分类结果并不能为翼状胬肉的手术治疗提供病灶区域的精准定位。目前国内外通过卷积技术在医学分割领域的应用研究较多，且分割精度已经超过传统机器学习。虽然通过深度卷积可以提取目标信息，但是很多的边缘细节信息却在卷积过程中丢失，导致边缘分割效果不理想。

发明内容

发明目的：本发明针对翼状胬肉的数据少、分割精度低以及边界难分割等问题，提出一种基于Vision Transformer的翼状胬肉病灶区域的分割方法。该方法使用VisionTransformer为主干并以卷积神经网络为辅助，融合注意力机制，使用专家标注的翼状胬肉病灶区域数据集对模型进行训练，以提取翼状胬肉区域的完整信息为目标，根据模型网络结构特点和医学图像分割任务的需求提出新的分割方法，以此实现对翼状胬肉的精准分割。

技术方案：

1.基于Vision Transformer的翼状胬肉病灶区域的分割方法，所述分割方法包括采集模块、语义分割网络模块和训练模块，利用数据采集模块、语义分割网络模块和训练模块对患病眼前节图像进行分割处理，其特征是，具体为以下步骤：

(1)所述的患病眼前节图像构成一组翼状胬肉分割数据集，所述翼状胬肉分割数据集作为原始数据样本，所述数据采集模块对所述的原始数据样本中的图像进行预处理操作，以保证图像的长和高相同，形成一组训练集图像；

(2)利用所述语义分割网络模块对所述训练集图像进行分割，所述语义分割网络模块包括Vision Transformer网络和卷积网络；所述Vision Transformer网络利用一种图像分块方法对所述训练集图像进行处理，通过叠加多层的多头注意力机制获得一种图像块关联关系，进而取得图像注意力图；所述卷积网络通过一种多层的卷积操作取得图像特征图；所述图像注意力图和图像特征图通过矩阵加法运算得到所述图像特征图，通过一种金字塔池化方法获得翼状胬肉分割图；

(3)利用训练模块对分割模型进行训练，将所述翼状胬肉分割数据集输入所述语义分割网络模块进行训练，训练时通过设置学习率、损失函数方法、学习迭代周期调整模型参数，最终形成翼状胬肉病灶区域分割模型；

所述的预处理操作为：

本发明方法要求的输入图像尺寸为M×N×3，M和N为正整数，原始图像尺寸为H×W，H和W为正整数，先将图像进行缩放为M×((N/H)×W)，再将较短的边两边平均补上灰边将其尺寸转换为M×N；

所述的图像分块方法为：