[发明专利]皮肤镜图像的分割方法、分割网络及分割网络构建方法

权利要求书

1.一种皮肤镜图像的分割方法，其特征在于，包括以下步骤：

根据获取到的图像至少生成第二特征图和第三特征图；

对所述第二特征图中的特征进行提取并处理，形成第二修正图；

将所述第三特征图和所述第二修正图进行融合生成第一融合图；

对所述第一融合图中的不确定性点进行处理，将所述第一融合图中确定性点和经过处理后的第一融合图中的不确定性点进行处理生成第一融合修正图。

2.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于：步骤“根据获取到的图像至少生成第二特征图和第三特征图”包括：

对所述第二特征图进行下采样处理生成第三预设特征图，根据空洞空间金字塔模块和所述第三预设特征图生成第三特征图。

3.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于：步骤“对所述第二特征图中的特征进行提取并处理，形成第二修正图”包括：

基于多头自注意力上下文感知模块对所述第二特征图中的特征进行提取并处理，形成第二修正图。

4.根据权利要求3所述的皮肤镜图像的分割方法，其特征在于：步骤“对所述第二特征图中的特征进行提取并处理，形成第二修正图”包括：

由编码块从所述第二特征图中提取特征F；

对编码块提取的特征F使用三个不同的卷积层Q、K、V将其映射到嵌入空间，得到特征图F_Q、F_K、F_V；

将F_Q、F_K、F_V的通道维度映射为C，降低参数量，得到嵌入空间中特征图F_Q、F_K、F_V的通道维度均为H×W×C；

调整特征图F_Q和F_k的形状为HW×C，并将F_Q进行转置，使F_Q的形状变为C×HW；

对F_Q和F_k使用矩阵乘法，得到HW×HW大小的特征图F_T；

利用位置编码图E对特征图中的相对位置进行编码，位置编码图E的大小为HW×HW，其中，每个像素点的值E(i,j)表示第i个位置与第j个位置的相对关系；

根据Att＝softmax(F_T+E)，得注意力权值图Att，其中，注意力权值图Att的大小为HW×HW，Att(i,j)表示第i个像素值与第j个像素值的依赖关系，F_T为HW×HW大小的特征图，E表示位置编码；

将Att转置并与特征图F_V作矩阵乘法，以残差连接的形式加上特征F，得到筛选后的特征F’；

在所述解码块内串联特征F’恢复图像，形成所述第二修正图。

5.根据权利要求1所述的皮肤镜图像的分割方法，其特征在于：步骤“对所述第一融合图中的不确定性点进行处理，将所述第一融合图中确定性点和经过处理后的第一融合图中的不确定性点进行处理生成第一融合修正图”包括：

基于不确定性降低模块对第一融合图中的不确定性点进行处理，将所述第一融合图中确定性点和经过处理后的第一融合图中的不确定性点进行处理生成第一融合修正图。

6.根据权利要求5所述的皮肤镜图像的分割方法，其特征在于：步骤“基于不确定性降低模块对第一融合图中的不确定性点进行处理”包括：

在编码块的每个上采样后使用1×1卷积将特征图的通道数降维至1；

使用Sigmoid函数激活，将每个像素点的值归一化到0～1，作为第一预测值；

对经Sigmoid函数激活后的所有像素点，选择N个第一预测值为0.5的像素点，对其在通道维度上提取所在位置的点级别特征；

使用两层全连接层构造感知机，用来重新预测N个像素点的第二预测值，并利用重新预测得到的第二预测值更新对应的第一预测值。