(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210841082.7 (22)申请日 2022.07.18 (71)申请人 中国计量大 学 地址 310000 浙江省杭州市钱塘区学源街 258号 (72)发明人 党铭文　吴太权　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 专利代理师 张姗 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G16H 30/20(2018.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于特征重用和注意力 门的医学图像 分割方法及其系统 (57)摘要 本发明公开了一种基于特征重用和注意力 门的医学图像 分割方法及其系统， 通过构建的基 于Unet结构的图像分割模型分离医学图像中感 兴趣的部分， 所述基于U net结构的 图像分割模型 以Unet网络结构为基础， 包括编码器、 解码器、 ASPP模块和注意力门， 其中编码器部分引入密接 连接的卷积网络块， 实现编码过程的特征重用， 通过ASPP 模块扩大感受野， 针对编码器的输出进 行多尺度特征提取， 在编码器与解码器的跳跃连 接之间， 还设置了注意力门， 为特征图中不同的 区域赋予不同的权重， 使 得模型能够更侧重于感 兴趣的部分， 本方法在网络运行速度不变的条件 下， 可以提升医学图像的分割精度。 权利要求书2页 说明书4页 附图3页 CN 115115838 A 2022.09.27 CN 115115838 A 1.一种基于特 征重用和注意力门的医学图像分割方法， 其特 征在于： 包括以下步骤： 步骤1、 构建基于Unet结构的图像分割模型， 包括编码器、 解码器、 ASPP模块和注意力 门； 所述编码器包括4层编码层， 从上到下依次为卷积层、 DenseBlock1、 DenseBlock2和 DenseBlock3， 其中卷积层与DenseBlock1通过下采样操作连接， DenseBlock之间通过 Transiti on连接， DenseBl ock1～3的层数分别为6、 12、 24； 步骤2、 将待分割图像输入步骤1构建的图像分割模型， 通过编码器对待分割图像进行 编码， 得到通道数分别为D、 (D+32*6)、 (D+32*(6+12))、 (D+32*(6+12+24))的子特征图E1～ E4， 其中D为待分割图像的通道数； 步骤3、 将步骤2得到的子特 征图E4输入AS PP模块中， 得到多尺度特 征图M； 步骤4、 使用解码器对多尺度 特征图M和经过注意力门的子特征图进行上采样和反卷积 操作， 输出图像分割结果G1； 所述解码器包括3层解码层， 解码层对输入进行两次大小为3*3的反卷积与ReLu激活操 作， 从下到上依次输出G3、 G2、 G1； 每层解码层的输入由上一层解码层的输出经过上采样后， 和注意力门的输出连接构成， 其中， 最低层解码层的输入为多尺度特征图M经过上采样后， 和多尺度特 征图M以及子特 征图E3经过注意力门后的输出 连接构成； 所述注意力门接收编码层的输出E和解码层的输出G或多尺度特征图M， 输出加权后的 子特征图Ei’＝Rsampler( σ2(φ( σ1(WEEi+WGGi))))Ei， G4＝M； 其中σ1、 σ2分别表示ReLu激活和 Sigmoid激活函数， WE、 WG分别表示步长 为2的卷积和普通卷积， φ表示普通 卷积， Rsampler表 示重采样 操作。 2.根据权利要求1所述的一种基于特征重用和注意力门的医学图像分割方法， 其特征 在于： 编码器中， 所述卷积层对输入数据进行一次大小为3*3的卷积和ReLu激活操作； DenseBlock对输入数据进行L次非线性 转化操作， L 为DenseBl ock的层数。 3.根据权利要求1所述的一种基于特征重用和注意力门的医学图像分割方法， 其特征 在于： 所述Transiti on依次进行BN、 ReLu激活、 1*1卷积和平均池化操作。 4.根据权利要求1所述的一种基于特征重用和注意力门的医学图像分割方法， 其特征 在于： 所述子特征图Ei＝H([x0,x1,...,xl,...,xL‑1]),i＝1,2,3,4； 其中H()表示对输入数 据依次进行BN、 ReLu激活、 1*1卷积、 BN、 ReLu激活和3*3卷积的非线性转化操作； x0表示 DenseBlock的输入数据， xl表示DenseBlock中第l层的输出， xl＝H([x0,x1,...,xl‑1])， l＝ 1,2,...,L， LDenseBl ock的层数； [x0,x1,...,xl‑1]表示进行通道维度上的连接 。 5.根据权利要求1所述的一种基于特征重用和注意力门的医学图像分割方法， 其特征 在于： 所述ASPP模块首先通过大小为 1*1的普通卷积操作对子特征图E4进行降维； 然后分别 通过3个大小为3*3的空洞卷积， 对子特征图E4提取不同尺度的特征； 然后通过池化层、 1*1 的普通卷积和上采样操作对子特征图E4进 行特征提取； 最后对上述操作的输出进 行叠加后 再进行1*1的普通卷积 操作， 得到多尺度特 征图M。 6.根据权利要求5所述一种基于特征重用和注意力门的医学图像分割方法， 其特征在 于： 所述AS PP模块中， 空洞卷积的扩张率分别为1、 2、 3 。 7.根据权利要求1 ‑6任意一项所述的一种基于特征重用和注意力门的医学图像分割方 法的分割 系统， 其特 征在于： 包括图像获取模块、 图像分割模块和结果显示模块；权　利　要　求　书 1/2 页 2 CN 115115838 A 2所述图像获取模块用于获取待分割的医学图像； 所述图像分割模块包括训练后的基于Unet结构的图像分割模型， 用于接收待分割的医 学图像， 通过编码 器提取不同层次的子特征图， 通过ASPP模块进一步提取多尺度特征图， 然 后通过注意力门为特征图中的不同区域赋予权重， 最后通过解码 器将其恢复到与输入图像 相同的尺寸大小， 输出分割结果； 所述结果显示模块接收图像分割模块输出的分割结果， 通过屏幕显示。权　利　要　求　书 2/2 页 3 CN 115115838 A 3