医学图像分割模型的构建方法、系统、设备和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115409988A(43)申请公布日2022.11.29(21)申请号202211080120.8G06N3/04(2006.01)(22)申请日2022.09.05G06N3/08(2006.01)(71)申请人江南大学地址214122江苏省无锡市蠡湖大道1800号(72)发明人范超李钰钱鹏江蒋亦樟陈爱国顾逸张欣姚健于宏斌(74)专利代理机构安徽靖天专利代理事务所(普通合伙)34275专利代理师杨宝洞(51)Int.Cl.G06V10/26(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书2页说明书12页附图7页(54)发明名称医学图像分割模型的构建方法、系统、设备和存储介质(57)摘要本发明适用于图像处理技术领域，提供了一种医学图像分割模型的构建方法、系统、设备和存储介质，所述方法包括以下步骤：获取用于进行模型训练的图像数据集；根据所述图像数据集进行医学图像分割模型的训练；对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建，本发明实施例在进行上采样时能够获取到更多的高分辨率信息，进而更完善地恢复原始图像中的细节，医学图像分割模型能够保留更多高层特征图蕴含的高分辨率信息，从而提高了图像分割精度。CN115409988ACN115409988A权利要求书1/2页1.医学图像分割模型的构建方法，其特征在于，所述方法包括以下步骤：获取用于进行模型训练的图像数据集；根据所述图像数据集进行医学图像分割模型的训练；所述医学图像分割模型为混入有改进ECA模块的图像语义分割网络，所述改进ECA模块由ECA模块和CBAM注意力模块耦合而成，其中所述医学图像分割模型中，图像数据集经过改进ECA模块处理后作为下一层下采样的输入，未经过改进ECA模块处理的特征图做跳跃连接；对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建。2.根据权利要求1所述的方法，其特征在于，所述获取用于进行模型训练的图像数据集的步骤，具体包括：获取初始图像集；对所述初始图像集进行预处理，所述预处理至少包括对初始图像集中图像的筛选、类型转换和尺寸修订；对经过预处理的初始图像集进行数据扩增，得到用于进行模型训练的图像数据集。3.根据权利要求1所述的方法，其特征在于，所述医学图像分割模型包括下采样特征提取部和上采样特征提取部，其中所述下采样特征提取部由两个3×3的卷积层和一个2×2的池化层组成；所述上采样特征提取部由通过双线性插值进行的上采样和特征拼接以及卷积层构成的。4.根据权利要求2所述的方法，其特征在于，所述对经过预处理的初始图像集进行数据扩增的方式为：通过弹性变换方法对所述经过预处理的初始图像集进行数据扩增。5.根据权利要求1所述的方法，其特征在于，所述对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建的步骤，具体包括：对医学图像分割模型的训练过程进行观测，逐步确定模型的参数范围；根据参数范围逐步确定所述医学图像分割模型的参数最优值；根据所述参数最优值对所述医学图像分割模型进行再训练；判定所述医学图像分割模型是否达到最佳拟合，当所述医学图像分割模型达到最佳拟合时，完成医学图像分割模型的构建。6.医学图像分割模型的构建系统，其特征在于，所述系统包括：图像数据集获取模块，用于获取用于进行模型训练的图像数据集；模型训练模块，用于根据所述图像数据集进行医学图像分割模型的训练；所述医学图像分割模型为混入有改进ECA模块的图像语义分割网络，所述改进ECA模块由ECA模块和CBAM注意力模块耦合而成，其中所述医学图像分割模型中，图像数据集经过改进ECA模块处理后作为下一层下采样的输入，未经过改进ECA模块处理的特征图做跳跃连接；寻优再构建模块，用于对所述医学图像分割模型进行观测以进行网格寻优以确定最优参数，直至所述医学图像分割模型达到最佳拟合后完成医学图像分割模型的构建。7.根据权利要求6所述的医学图像分割模型的构建系统，其特征在于，所述图像数据集获取模块包括：初始图像集获取单元，用于获取初始图像集；2CN115409988A权利要求书2/2页预处理单元，用于对所述初始图像集进行预处理，所述预处理至少包括对初始图像集中图像的筛选、类型转换和尺寸修订；数据扩增单元，用于对经过预处理的初始图像集进行数据扩增，得到用于进行模型训练的图像数据集。8.根据权利要求6所述的医学图像分割模型的构建系统，其特征在于，所述寻优再构建模块包括：观测单元，用于对医学图像分割模