CN115760874B 一种基于联合空间域的多尺度U-Net医学图像分割方法 （电子科技大学长三角研究院(湖州)）

一种基于联合空间域的多尺度U-Net医学图本发明公开了一种基于联合空间域的多尺度U_Net医学图像分割方法，包括获取原始医学构建基于联合空间域的多尺度U_Net网络模型，的基于联合空间域的多尺度U_Net网络模型生成21.一种基于联合空间域的多尺度U_Net医学图像分割方法，其特征在于，包括以下步S4、构建基于联合空间域的多尺度U_Net网络模型，利用极坐标医学图像进行模型训所述编码器包括两个并联的第一空洞卷积通道和第二空洞卷积通道所述第一空洞卷积通道包括采用第一连续空洞率的连续卷积层，用所述第二空洞卷积通道包括采用第二连续空洞率的连续卷积层，用所述第一卷积通道包括一个卷积层，用于将卷积结果与第一拼接结果进行拼所述第二卷积通道包括一个卷积层，用于将卷积结果与第二拼接结果进行特征融合，所述第一分割子网络用于对极坐标医学图像进行图像分割，并将分割所述第二分割子网络用于对输入的融合医学图像进行图像分割，并将分2.根据权利要求1所述的一种基于联合空间域的3.根据权利要求1所述的一种基于联合空间域34.根据权利要求1所述的一种基于联合空间域的多尺度U_5.根据权利要求1所述的一种基于联合空间域征在于，所述基于联合空间域的多尺度U_Net网络模型采用基于深度监督的损失函数进行4[0001]本发明涉及医学图像分割技术领域，具体涉及一种基于联合空间域的多尺度U_最后一个编码层中利用多尺度空间信息和使用包含过多参数的Inception模块来获取多尺的输入，并使用1*1卷积对前一层进行特征提取,对该层的输出进行降维处理。Residual后传播。为了更好地加快Inception网络的训练速度，Google团队提出了Inception_5陷是笛卡尔坐标系分支没有得到特征的原点，从而失[0009]上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技[0010]针对现有技术中的上述不足，本发明提供了一种基于联合空间域的多尺度U_Net[0017]S5、利用训练后的基于联合空间域的多尺度U_Net网络模型生成医学图像分割结6[0018]可选地，所述极坐标中心点预测网络具体为基于堆叠沙漏结构的编码器_解码器坐标医学图像按照第一连续空洞率确定的感受[0040]所述第一卷积通道包括一个卷积层，用于将卷积结果与7[0045]可选地，所述基于联合空间域的多尺度U_Net网络模型采用基于深度监督的损失[0049](1)本发明提出了一种联合空间域网络模型(JointU_Net)。它是一种级联极_笛[0052]图2为本发明实施例中一种基于联合空间域的多尺度U_Net医学图像分割方法的[0062]如图2和图3所示，本发明实施例提供了一种基于联合空间域的多尺度U_Net医学8的输出。为了预测中心点，本发明使用了8个堆叠的沙漏神经结构来预测目标区域的中心输出的热图中强度最大的像素的坐标将作为最终预测目标区域的中心点。图4中示出了相w_x00)9[0083]其中，Y")为极坐标系中的源样本点坐标，为直角坐标系中对应坐标[0086]在本发明的一个可选实施例中，本发明构建的基于联合空间域的多尺度U_Net网坐标医学图像按照第一连续空洞率确定的感受[0095]所述第一卷积通道包括一个卷积层，用于将卷积结果与[0097]具体而言，本发明设计的联合空间域网络模型(JointU_Net)一共包含两个分割[0098](1)第一个分割子网络输出的特征图可以通过再次获取原始输入图像和对应的分[0099](2)获得极坐标系下的旋转不变性以及直角坐标系下的分割结果的平移不变性。[0100]图6显示了多尺度空间融合模块和相应的信道变化，其中编码模块结合了空洞卷[0103]outL＝cat(DL，Conv(inputL))+inputL本发明设计了多尺度空间融合模块可以像Inception编码块一样扩展感受野，而不需要大量增加参数，并且可以关注更多的尺度信[0104]此外本发明还使用了两种方法来减轻网络过深带来的梯度丢失和增强最终的分[0105](1)Multi_ContentP_UNet的输出经过Diff_PTC后将会重新转换为直角系下的图[0108]S5、利用训练后的基于联合空间域的多尺度U_Net网络模型生成医学图像分割结[0109]下面结合具体实验数据集对本发明提供的上述基于联合空间域的多尺度U_Net医二二亚二[0116]为了验证AIR模块的有效性，我们在PyTorch1.7.1和NVIDIAGeForceRTX的可视化如图8所示，其中(a)U_Net(b)U_Net+resBlock(c)U_Net+DenseBlock(d)U_Net+[0128]对于实验4.2，我们总共进行了五个实验，并与最流行的编码模块DenseBlock、[0130]为了验证JointU_Net的有效性，在PyTorch1.10.0和NVIDIAGeForceRTXJointU_Net中的编码结构都替换成了普通卷积。最后与主流的分割模型在直肠数据集上在笛卡尔坐标系中进行基本网络U_Net的实验，可以发现它的效果是最差的。极坐标变换皮肤病变数据集上的分割结果，其中(a)原始图像(b)标签(C)double_Unet(d)JointU_U_net分割模型来实现医学图像的分阶段分割。该模型采用自行设计的多层空洞卷积编码现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定[0143]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各