摘要
本发明公开了一种基于边界线索深度融合的息肉图像分割方法,通过构建边界线索深度融合网络,将肠息肉图像输入主干网络提取不同层次特征信息,以指导息肉区域提取;构建边界线索挖掘模块以借助部分层级特征获得边界细节信息,实现对息肉区域更精准的定位;构建前景目标增强模块增强网络结合反转注意力分支对前景目标整体结构特征的学习,使网络侧重于关注前景目标;构建深度特征融合模块集成边界信息和前景信息,通过级联特征融合以及边界信息引导进一步提高分割性能,最后利用训练好的模型得到息肉分割结果。本发明克服了息肉在边界不确定性及形态多样性时的局限性,并在训练中采用加权联合尺度差异损失优化模型,实现息肉区域高精度识别与分割。
技术关键词
深度特征融合
图像分割模型
图像分割方法
线索
融合特征
多层次特征
深度融合网络
卷积特征
引入注意力机制
元素
上采样
语义特征
区域高精度
多层级特征
分割掩模
强化特征
多尺度
系统为您推荐了相关专利信息
电力数据分析方法
频域特征
模态特征
时域特征
嵌入特征
船舶航迹预测方法
时空融合特征
高维特征向量
交互网络
航迹预测技术
重建点云
多模态数据融合
船舶
融合特征
泊松圆盘采样
图像自动标注方法
多模态
语句
空间金字塔
通道注意力机制
联合检测系统
融合特征
剩余时长
神经网络预测模型
特征提取方式