CN119399227A 一种脊柱内窥镜图像手术器械分割方法及系统 （山东大学）

一种脊柱内窥镜图像手术器械分割方法及本申请提供了一种脊柱内窥镜图像手术器柱内窥镜图像中手术器械的轮廓信息进行多梯息差异确定每个梯度分支对应通道的识别注意2基于卷积神经网络对所述脊柱内窥镜图像进行多尺度卷积操作，确定所述脊柱内窥镜图像中纹理的信息方差，基于所述纹理的依据每个梯度分支对应通道的识别注意力和所述光斑干扰特征对所有的轮廓特征图在所述识别模型中设计多个尺度的卷积核，进而通过各个尺依据所有的光斑特征确定手术器械在轮廓边缘检测中通过灰度共生矩阵提取每个局部图像区域中像素依据所有的灰度特征确定所述脊柱内窥镜图像中纹理对每个轮廓特征图进行全局平均池化，提取所述每个轮廓通过所有的纹理差异度和各个轮廓特征图的纹理熵确定每个梯度分支对应通道的识所述光斑干扰特征对所有的轮廓特征图进行卷积融合，得到手术器械的融合轮廓具体包根据每个梯度分支对应通道的识别注意力确定所述每个梯度分支下轮廓特征图的融依据所述光斑干扰特征对所述特征融合图进行卷积干扰补偿3依据所述融合轮廓确定所述脊柱内窥镜图像中手术器械的像处理模块，用于基于卷积神经网络对所述脊柱内窥镜图像进行多尺度卷积操所述处理模块，还用于确定所述脊柱内窥镜图像中纹理的信息方差执行模块，用于依据每个梯度分支对应通道的识别注意力和所4[0002]图像分割在脊柱内窥镜图像中扮演着关键角色，尤其是在手术器械的精确分割依据每个梯度分支对应通道的识别注意力和所述光斑干扰特征对所有的轮廓特5依据所有的光斑特征确定手术器械在轮廓边缘检测中通过灰度共生矩阵提取每个局部图像区域中像素依据所有的灰度特征确定所述脊柱内窥镜图像中纹理对每个轮廓特征图进行全局平均池化，提取所述每个轮廓特征图的全局纹理特通过所有的纹理差异度和各个轮廓特征图的纹理熵确定每个梯度分支对应通道根据每个梯度分支对应通道的识别注意力确定所述每个梯度分支下轮廓特征图依据所述融合轮廓确定所述脊柱内窥镜图像中手术器械的像处理模块，用于基于卷积神经网络对所述脊柱内窥镜图像进行多尺度卷积操作，6[0017]图1是根据本申请一些实施例所示的脊柱内窥镜图像手术器械分割方法的示例性图5是根据本申请一些实施例所示的脊柱内窥镜图像手术器械分割系统的结构示7图6是根据本申请一些实施例所示的实现脊柱内窥镜图像手术器械分割方法的计[0019]参考图1，该图是根据本申请一些实施例所示的脊柱内窥镜图像手术器械分割方分割前的脊柱内窥镜图像，这些图像是经皮脊柱内窥镜手术过程中截取的部分关键图像，在操作过程中可能处于不同的角度和深度，其形状和位置在图像中具有较大的动态变化，[0022]在一些实施例中，基于卷积神经网络对所述脊柱内窥镜图像进行多尺度卷积操依据所有的光斑特征确定手术器械在轮廓边缘检测中8数和IoU评价指标量化显著性检测网络对显著区域的识别能力，最终完成显著性检测网络扰特征是指在脊柱内窥镜图像中由光斑产生的在步骤1033中，依据所有的灰度特征确定所述脊柱内窥镜图像中纹理的信息方[0027]需要说明的是，本申请中的信息方差是衡量脊柱内窥镜图像中纹理复杂度的指9基于YOLOv8n构建用于手术器械轮廓信息提取的特提取模型同步提取手术器械在各个梯度分支下的轮廓对每个轮廓特征图进行全局平均池化，提取所述每个轮廓特征图的全局纹理特通过所有的纹理差异度和各个轮廓特征图的纹理熵确定每个梯度分支对应通道其它所有轮廓特征图之间的平均纹理差异作为轮廓特征图与其它轮廓特征图之间的纹理[0034]在步骤104中，依据每个梯度分支对应通道的识别注意力和所述光斑干扰特征对根据每个梯度分支对应通道的识别注意力确定所述每个梯度分支下轮廓特征图道的识别注意力与所有识别注意力总和之间的比值作为选定梯度分支下轮廓特征图的融依据所述融合轮廓确定所述脊柱内窥镜图像中手术器械的像分割模型的引导参数，以通过融合轮廓引导轮廓分割过程，进而通过分割模型的多尺度特征提取模块捕捉手术器械区域的形状与边界，并通过前向传播生成初步分割得到手术器械的像素分割区域；然后，对初步分割得到的像素分割区域进行后处理，通过条件随机场用方框标出，这里不再赘述，通过上述方式可有效提升手术器械区域分割的准确性和鲁棒性。参考图5，该图是根据本申请一些实施例所示的脊柱内窥镜图像手术器械分割系统的结构本申请中处理模块402还用于确定所述脊柱内窥镜图像中纹理的信息方差，基于所述纹理的信息方差对所述脊柱内窥镜图像中手术器械的轮廓信息进行多梯度同步提取，注意力和所述光斑干扰特征对所有的轮廓特征图进行卷积融合，得到手术器械的融合轮件模块。上述实施例中脊柱内窥镜图像手术器械分割方法可以通过处理器501以及存储器体实现中，计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑（personal计算机程序，所述计算机程序被处理器执行时实现上述脊柱内窥镜图像手术器械分