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：大连理工大学;大连理工大学附属中心医院(大连市中心医院)

摘要：本发明属于深度学习、计算机视觉、医学图像分割技术领域，公开了一种多尺度交互的斑块和血管分割方法。本发明首先构建了多层级交互整合模块，对编码器中提取的特征进行融合，并通过通道选择模块高效整合来自不同层级不同通道的特征。接着构建了特征抛光模块，将整合特征进行精细调整后送入到上采样过程。最后通过对应尺度的解码模块，采用上采样的方法逐层恢复分辨率，并从顶端的卷积块输出全分辨率的预测结果，进而实现对不同尺度的感兴趣区域的精确分割。

主权项：1.一种多尺度交互的斑块和血管分割方法，其特征在于，编码器分别从6个不同层提取输入图像对应尺寸的编码特征作为输出；不同层的编码特征输入至解码器中，得到6张解码后的图像P0至P5，与已获得真实图像G0至G5进行损失计算，根据损失计算所得结果更新编码器与解码器；所述解码器包括多层级交互式集成模块、特征抛光模块和特征对齐上采样单元；在多层级交互式集成模块中，将与当前层级分辨率相同的编码特征作为主特征fmain，其他层级编码特征作为辅助特征根据相似性捕获辅助特征中对于主特征而言具有价值的线索；对主特征与辅助特征进行自适应组合运算；自适应组合运算后的特征faux与主特征fmain进行全局性整合；整合后的特征输入至特征抛光模块中，对整合后的特征进行精细调整后送入特征对齐上采样单元，具体公式如下； 为特征抛光模块的输出；沿着至顶而下的路径，经过特征对齐上采样单元逐层恢复分辨率，并从顶端的卷积块输出全分辨率的预测结果；在特征对齐上采样单元中，引入可变性卷积来对齐相邻层级特征的分布；首先使用传统的双线性插值将低分辨率特征上采样到相同的分辨率；之后将特征抛光模块与下一层级的特征对齐上采样模块的输出拼接后送入两个独立的卷积分支，预测可变形卷积的两个输入自适应的参数，即偏移量和空间调制量，控制低分辨率特征在上采样过程中的空间偏移程度，计算过程表示为： Δpk和Δmk分别表示在对应输出位置p的局部运算过程中位置k上的偏移量和调制量，wk对应输入位置p+pk+Δpk；x表示特征抛光模块与下一层级的特征对齐上采样模块的输出拼接后的特征。

全文数据：

权利要求：

百度查询： 大连理工大学 大连理工大学附属中心医院(大连市中心医院) 一种多尺度交互的斑块和血管分割方法