← 返回列表

一种基于金字塔视觉转换器的膀胱肿瘤分割方法

申请号: CN202311533755.3
申请人: 安徽大学
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 一种基于金字塔视觉转换器的膀胱肿瘤分割方法
专利类型 发明申请
申请号 CN202311533755.3
申请日 2023/11/17
公告号 CN117765251A
公开日 2024/3/26
IPC主分类号 G06V10/26
权利人 安徽大学
发明人 徐超; 聂超; 李正平
地址 安徽省合肥市经济技术开发区九龙路111号

摘要文本

本发明公开了一种基于金字塔视觉转换器的膀胱肿瘤分割方法,应用于膀胱肿瘤技术领域,包括:采用PVTv2提取待分割图像在四个不同层次下的语义特征,并采用LDA模块对底层语义特征进行净化与校准,采用MSCA模块提取高级语义特征各自的多尺度特征信息;采用DAM模块对高级语义特征的多尺度特征信息进行融合,得到初步分割预测结果,并基于FEM模块,采用全局注意力将底层语义特征的语义细节信息嵌入高级语义特征中,最终分割预测结果;采用加权二元交叉熵损失与Dice损失结合的形式分别计算初步分割预测结果以及最终分割预测结果的损失,作为总损失。本发明能够有效提高对膀胱肿瘤的定位识别精度。

专利主权项内容

1.一种基于金字塔视觉转换器的膀胱肿瘤分割方法,其特征在于,包括:步骤(1):采用PVTv2提取待分割图像在四个不同层次下的语义特征,并将底层语义特征输入LDA模块,对所述底层语义特征进行净化与校准,得到第一特征图,将三个高级语义特征分别输入MSCA模块,提取三个所述高级语义特征各自的多尺度特征信息,得到第二特征图、第三特征图、第四特征图;步骤(2):将所述第二特征图、所述第三特征图、所述第四特征图共同输入DAM模块,进行所述高级语义特征的逐层相乘融合,得到第五特征图;步骤(3):调节所述第一特征图的通道数和尺寸与所述第五特征图一致,并与所述第五特征图共同输入FEM模块,采用全局注意力将所述底层语义特征的语义细节信息嵌入所述高级语义特征中,得到第六特征图;步骤(4):将所述第五特征图和所述第六特征图分别输入1×1卷积层,并插值到与所述待分割图像相同大小,得到初步分割预测结果和最终分割预测结果,并采用加权二元交叉熵损失与Dice损失结合的形式分别计算所述初步分割预测结果以及所述最终分割预测结果的损失,作为总损失。