买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏科技大学

摘要：本发明公开了一种融合通道和空间注意力的卷积神经网络息肉分割方法，包括：数据预处理，用于对息肉图像的分辨率进行调整以及数据增强；编码器阶段，使用残差模块对息肉图像进行多尺度特征提取；瓶颈层阶段，利用改进的挤压激励模块，增强对息肉图像高级特征的提取；解码器阶段，使用通道和空间组合注意力模块，提高分割精度；同时对于瓶颈层和解码器的输出使用跨层融合；并在上采样过程中使用深监督技术，减轻在训练时的梯度消失或爆炸现象，加速模型的收敛。本发明解决了息肉与周围组织边界模糊不清以及小的息肉区域难以分割的问题，同时深监督机制的引入优化了网络模型的梯度，加快了网络模型的收敛，缩短了网络模型的训练时间。

主权项：1.一种融合通道和空间注意力的卷积神经网络息肉分割方法，其特征在于，包括以下步骤：1准备数据集，分为训练和测试数据集；2利用残差模块作为编码器提取图像的特征；3利用双重挤压激励模块增强瓶颈层对高级特征的提取能力；4在解码器使用通道和空间组合的注意力模块，从通道和空间两个层面上关注关键区域，从提取到的特征选择最相关的特征，抑制不相关的特征，提高分割精度；此外使用跨层融合的方式，捕获上下文信息，细化分割的边界，通过解码器，最终生成全局预测图Sg；所述通道和空间组合的注意力模块，通过并联和嵌套两种方式将通道注意力和空间注意力融合使用；整个模块分为a,b,c三路，在通路a中，首先将输入的特征通过一个双重挤压激励模块模块进行特征增强，生成特征图Mc，然后将Mc进行两次3×3的卷积实现非线性变换，再次使用双重挤压激励模块模块进行特征增强，得到权重矩阵Mv；在通路b中，特征图进行一次1×1的卷积操作，其通道数降为原来的一半，然后再进行批归一化和一个1×1的卷积操作，通道数降为1，最后由Sigmoid函数得到空间权重Mq；在通路c中，特征图经过两次3×3的卷积操作后，通道数减半，然后再经过一个双重挤压激励模块模块处理，生成特征图Mk，通过点乘的方式，将通路b中得到的特征权重Mq与通路c中得到的特征图Mk相乘，为Mk的每个通道中各个像素分配权重，生成特征图Ms，再利用矩阵乘法，将Ms与通路a中得到的特征图Mv结合起来，生成新的特征Matt，然后，选用Matt作为权重矩阵，通过点乘的方式与Mc相乘，得到Mr，最后通过特征融合的方式，将Mc与Mr结合起来，形成该层的分割结果Mfinal，用公式可以表示为：Mfinal＝concatMr,Mc1其中，Mc和Mr分别表示为：Mc＝dx2Mr＝Mc·Matt3Matt又可以表示为：Matt＝Mq·Mk×Mv4其中M表示特征图，concat·,·表示连接操作，d·表示DSE操作，·表示矩阵内积，×表示矩阵外积；5在瓶颈层和解码器部分，通过深监督对网络输出进行监督，在每层生成预测结果S2～S6；6进行网络模型训练；所述步骤3中双重挤压激励模块，分为两个阶段：在第一个阶段中，使用全局平均池化，生成权重向量再使用一个1×1的卷积对进行非线性变换，其中每一个卷积之后都进行了批归一化和ReLU激活函数处理，用sigmoid函数对权重进行归一化处理，以点乘的方式对输入特征进行加权，得到特征图Mavg；在第二个阶段，对上一个阶段产生的Mavg进行全局最大池化，生成权重向量然后通过一个1×1的卷积和Sigmoid函数，进行再次加权，得到新的特征Mmax，抑制无效信息的提取。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种融合通道和空间注意力的卷积神经网络息肉分割方法