您所在的位置: 成果库 基于级联结构注意力机制网络的结肠息肉分割方法

基于级联结构注意力机制网络的结肠息肉分割方法

发布时间: 2024-08-07

基本信息

合作方式： 技术服务
成果类型： 发明专利
行业领域：
电子信息技术
成果介绍
本发明提出基于级联结构注意力机制网络的结肠息肉分割方法,包括由相似的第一级编解码网络、第二级编解码网络顺序串联成的级联结构,其前一级网络得到息肉分割概率图,后一级网络优化前一级网络的结果,给予前一级网络分类错误的像素重新学习的机会；在前一级网络和后一级网络间设置编码端的反向注意力模块RA,用于使后一级网络重新学习前一级网络忽略的特征；所述级联结构注意力机制网络CSAMNet还内嵌有可学习不同尺寸息肉的多尺度特征的多尺度特征聚合模块MFAM,用于增强级联结构注意力机制网络对图像中不同尺寸息肉区域的适应能力；本发明能在识别过程中适应结肠镜图像中息肉和结肠组织对比度低、息肉尺寸变化大的图像特点。
成果亮点
基于级联结构注意力机制网络的结肠息肉分割方法,用于分割结肠镜图像中的结肠息肉区域,其特征在于：所述级联结构注意力机制网络CSAMNet包括由相似的第一级编解码网络、第二级编解码网络顺序串联成的级联结构,其前一级网络得到息肉分割概率图,后一级网络优化前一级网络的结果,给予前一级网络分类错误的像素重新学习的机会；在前一级网络和后一级网络间设置连接前一级网络的解码端和后一级网络的编码端的反向注意力模块RA,用于使后一级网络重新学习前一级网络忽略的特征；所述级联结构注意力机制网络CSAMNet还内嵌有可学习不同尺寸息肉的多尺度特征的多尺度特征聚合模块MFAM,用于增强级联结构注意力机制网络对图像中不同尺寸息肉区域的适应能力；所述级联结构注意力机制网络CSAMNet运行时,结肠镜图像在前一级编解码网络编码端通过交替堆叠的6个卷积模块和5个池化层后得到的特征图作为多尺度特征聚合模块MFAM的输入；多尺度特征聚合模块MFAM的输出特征作为前一级编解码网络解码端的输入；所述编解码网络解码端的输入通过交替堆叠的5个上采样和5个卷积模块得到前一级编解码网络输出的息肉分割概率图
团队介绍
福建大学信息学研究和软件开发团队是由多名软件开发经验丰富的教师和学生组成，目前取得软件著作权80多项。福州大学（Fuzhou University），简称福大，位于福建省福州市，创建于1958年，是国家“双一流”建设高校，国家“211工程”建设高校，国家教育部、国家国防科技工业局与福建省人民政府共建高校，福建省三所重点建设的高水平大学之一，福建省一流大学建设高校。
成果资料