(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 202210867417.2 (22)申请日 2022.07.22 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 (72)发明人 黄新　林洁沁　 (51)Int.Cl. G06T 7/12(2017.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G16H 50/80(2018.01) G16H 50/20(2018.01) G16H 30/20(2018.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于多尺度特 征融合的新冠病灶 分割方法 (57)摘要 本发明提出一种基于多尺度特征融合的新 冠病灶分割方法。 以图像分割领域分割效果较为 出色的U‑Net语义分割 网络为基础， 通过加入空 洞空间卷积 池化金字塔、 CBA M注意力机制的多种 组合策略的改进。 每次下采样的同时， 将图像特 征送入空洞空间卷积池化金字塔、 CB AM注意力机 制多种组合策略。 并通过全局池化层和设置空洞 卷积的采样率捕获多尺度信息。 CBA M注意力机制 在空洞空间卷积池化金字塔的基础上， 将通道注 意力与空间注 意力串联使用。 在空间维度上进行 建模， 使模型强化重要的通道特征， 忽略较小响 应的通道特征。 并在训练中使用Dic e Loss与BCE   Loss相融合的方式进行调参， 有选 择性的强调有 效信息、 抑制无效信息。 实现多尺度的病灶语义 信息融合， 更好的提取图像的深层特征， 具有更 好的分割效果。 实验数据表明， 改进后的网络具 有更好的分割效果。 较为稳定， 与现有结构相比， 具有一定参 考价值。 权利要求书1页 说明书2页 附图2页 CN 115375716 A 2022.11.22 CN 115375716 A 1.本发明提出一种基于多尺度特征融合的新冠病灶分割方法， 整体结构设计以图像分 割领域分割效果较为出色的U ‑Net分割网络为基础， 通过加入空洞空间卷积池化金字塔、 CBAM注意力机制的多种组合策略的改进， 整体结构设计， 具有准确率高等特点。 2.根据权利要求1所述的多尺度特征融合的新冠病灶分割方法， 其特征在于所述的分 割结构中， CBAM注意力机制在空洞空间卷积池化金字塔的基础上， 将通道注意力与空间注 意力串联使用， 空洞空间池化金字塔空洞卷积设置采样率分别为1、 6、 12、 18， 加入了Dice   Loss损失函数从全局的角度逐像素拉进， 进一 步提分割性能。 3.根据权利要求1与权利要求2所述的多尺度 特征融合的新冠病灶分割方法， 其特征在 于所述的分割结构， 与U ‑Net原始网络相比， 准确率提升了0.08个百分点， 类别平均像素准 确率提升了12.96个百分点， 平均交并比提升了8.53个百分点， 实验数据表明， 该发明中的 分割结构， 较为稳定， 与现有结构相比， 具有一定参 考价值。权　利　要　求　书 1/1 页 2 CN 115375716 A 2基于多尺度特征融合的新冠病灶分割方 法 技术领域 [0001]本发明涉及核医学影像辅助诊断、 医学 图像处理领域， 具体涉及一种基于多尺度 特征融合的新冠病灶分割方法。 背景技术 [0002]新型冠状病毒肺炎发病率高且具有周期短、 成因复杂的特点。 新冠肺炎病毒核酸 检测技术： 逆转录聚合 酶链式反应 （RT ‑PCR） 被确立为业内 “金标准”。 但其缺陷在于敏感性， RT‑PCR综合敏感性约为89%， 存在一定数量的假阴性。 计算机断层扫描技术可以快速检测出 肺部的病变情况。 放射科医生每阅一位患者的CT影像大约需要五分钟左右， 长时间的阅片 会引起视觉疲劳， 导致漏诊、 误诊。 利用计算机辅助医生诊断， 将减轻放射科医生的工作负 担， 提升工作效率。 由于肺炎CT影像边缘模糊， 边缘特征较难提取。 因此， 针对患者的肺部CT 影像的特点， 提出一种基于多尺度特征融合的新冠病灶分割方法对于疾病的防控具有十分 重要的意 义。 发明内容 [0003]本发明目的是针对目前现有技术的不足， 提供一种基于多尺度特征融合的新冠病 灶分割方法， 以解决上述背景技 术中的问题。 [0004]为实现上述目的， 本发明提供如下技 术方案： 获取医学 图像及其标签并对其进行预处理， 构建数据集。 构建一种多尺度特征融 合的新冠病灶分割网络， 并用上述数据训练集对网络进行训练。 本发明以图像分割 领域分 割效果较为出色的U ‑Net语义分割网络为基础， 通过加入空洞空间卷积池化金字塔、 CBAM注 意力机制的多种组合策略的改进。 每次下采样的同时， 将图像特征送入空洞空间池化金字 塔 （Atrous  spatial pyramid pooling,ASPP） 、 CB AM注意力机制， 并通过设置采样率 分别为 1、 6、 12、 18 的空洞卷积和全局池化层捕获多尺度信息， 将不同尺度的特征图拼接后， 送入 CBAM注意力机制。 CBAM注意力机制在空洞空间卷积池化金字塔的基础上， 将通道注意力与 空间注意力串联使用。 在空间维度上进 行建模， 使模型强化重要的通道特征， 忽略较小响应 的通道特征。 并在训练中使用DiceLoss与BCDLoss相融合的方式进行调参， 实现了算法的优 化。 有选择性的强调有效信息、 抑制无效信息。 以有效捕捉更多上下文信息， 丰富高级语义 信息， 提高网络性能。 实验结果显示， 改进后的网络实现了多尺度的病灶语义信息的融合， 更好的提取图像的深层特 征， 具有更好的分割效果。 [0005]作为本发明进一步的方案： 空洞空间池化金字塔设置采样率分别为1、 6、 12、 18的 空洞卷积。 [0006]作为本发明进一步的方案： CBAM注意力机制在空洞空间卷积池化金字塔的基础 上， 将通道 注意力与空间注意力串联使用。 [0007]作为本发明进一步的方案： 加入了Dice  Loss损失函数从全局的角度逐像素拉进， 进一步提分割性能。说　明　书 1/2 页 3 CN 115375716 A 3