CN119360031B 一种基于双分支特征渐进式融合网络的息肉图像分割方法 （中国计量大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119360031B(45)授权公告日2025.07.08

(21)申请号202411919763.6

(22)申请日2024.12.25

(65)同一申请的已公布的文献号申请公布号CN119360031A

(43)申请公布日2025.01.24

(73)专利权人中国计量大学

地址310018浙江省杭州市钱塘新区白杨

街道学源街258号中国计量大学仰仪北楼428

(72)发明人闫天旭章东平李铮陈梁宇马道滨卜玉真

(51)Int.CI.

GO6V10/26(2022.01)

GO6V10/42(2022.01)

GO6V10/44(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

CN117237641A,2023.12.15审查员任燕

(74)专利代理机构杭州浙科专利事务所(普通

合伙)33213专利代理师陈洁

权利要求书4页说明书12页附图4页

(54)发明名称

一种基于双分支特征渐进式融合网络的息肉图像分割方法

(57)摘要

CN119360031B本发明属于图像处理技术领域，公开了一种基于双分支特征渐进式融合网络的息肉图像分割方法，该方法构建基于特征和边界信息提取的双分支网络进行渐进式融合训练，主要包括基于点卷积视觉变换和逆向感知信息层的双分支主干网络、错位融合模块、错位单层融合模块、感知信息融合模块和多级残差解码模块，利用训练后的最佳模型对息肉图像进行分割，并对结果进行评估。本发明方法通过双分支结构有效提取边界信息和层级特征，采用渐进融合方式保留并提炼全局语义信息，克服了传统算法在息肉边界特征利用过程中的局限性，并在训练过程中采用边界

CN119360031B

开始

开始

收集结肠镜图像和息肉掩码标签制作数据集并划分

构建基于双分支特征渐进式融合网络的息肉图像分割模型

利用训练样本训练神经网络，优化网络参数，得到神经网络模型

使用测试数据输入上述训练得到的分割网络，得到分割掩码并进行评估

结束

CN119360031B权利要求书1/4页

2

1.一种基于双分支特征渐进式融合网络的息肉图像分割方法，其特征在于，包括如下步骤：

步骤1:收集结肠镜息肉图像和息肉掩码标签数据集，将数据集划分为训练集和测试集；

步骤2:构建基于双分支特征渐进式融合网络的息肉图像分割模型；

所述步骤2提出的双分支特征渐进式融合网络用于执行如下步骤：

步骤2.1:采用PVTv2主干网络作为多级特征提取分支，从原始输入图像中提取四阶段多级特征T={T?,T?,T?,T?};

步骤2.2:使用单线门控机制对原始输入图像进行特征加权提取，进行初步特征过滤；

步骤2.3:利用边界信息感知分支，通过层次特征增强和级联融合策略从步骤2.2获取的特征中提取出高保真度的边界信息，构建息肉边界分割掩码，提取边界特征信息；

步骤2.4:利用错位融合模块对步骤2.1中的相邻层级特征进行逐对融合，生成新的综合特征表示，同时利用错位单层融合模块对最底层特征T?进行提取，借助通道和空间注意力融合机制提炼并增强高级语义特征信息，从而获取新的四阶段多级特征F={F1,F2,F3,

F4};

步骤2.5:从步骤2.3提取的边界特征信息中进一步挖掘有效语义信息，通过多层次级联感知信息融合模块，将挖掘的有效语义信息与多级特征F进行渐进式全局融合，获得边界聚合感知特征；

所述步骤2.5所提出的感知信息融合模块以层级特征F:和边界感知特征E;作为输入，通过多层级级联方式将层级特征与边界感知特征进行全局融合，感知信息融合模块首先利

用通道注意操作降低边界感知特征中的冗余和噪声，采用双分支并行结构，以不同顺序对两个特征进行拼接得到特征P和P2,从而形成两个特征组合分支，在两个分支中分别使用3×3和5×5两个不同尺度的卷积操作，并采用全局平均池化层和残差连接进一步增强融合特征得到F和F2