1.一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:所述方法以稀疏谐波连接网络为编码器主干,对输入的肠道息肉图像提取特征,以空洞空间卷积金字塔池化模块对最深层的特征以不同的采样率进行并行采样,并行采样的结果与编码器后两层特征一同输入部分解码器进行解码,生成粗略初始预测图;
所述稀疏谐波连接网络包括若干HarD Block,任一HarD Block每一层的通道数为,其中k为初始增长率,m为维度压缩因子,对于第层,若能被整除,则n取N的最大值;所述每一HarD Block的输出为最后一层与所有奇数层的连接,且HarD Block的深度为2的幂次方;
利用浅层注意模块提取浅层特征中包含的边界信息,用于初步细化初始预测图的边界;
以全局特征增强模块处理深层特征,用于指导初始预测图的后续边界分割;所述全局特征增强模块包括全局平均池化分支、3×3自适应池化分支、5×5自适应池化分支和特征映射Non-local分支,输入深层特征至每个分支,得到的结果连接后输出;
以反向注意力模块从多尺度特征中获得完整边界,完成肠道息肉边界分割。
2.根据权利要求1所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:自稀疏谐波连接网络提取的特征为,其中,浅层特征为,深层特征为。
3.根据权利要求2所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:通过部分解码器获取粗略初始预测图,其中,。
4.根据权利要求3所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:所述浅层注意模块构建高斯核,利用浅层特征提取边界细节信息,应用最大值函数增加的权重系数,浅层注意模块和粗略初始预测图相加后得到初步细化边界的初始预测图,。
5.根据权利要求4所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:全局特征增强模块得到。
6.根据权利要求5所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:增强后的全局特征将分别与编码器后三层提取到的局部特征、和进行像素级相加,作为后续边界提取部分的侧边输入,。
7.根据权利要求6所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:所述反向注意力模块的反向注意权重,是sigmoid函数,表示的上采样输出;输出特征由深层特征与反向注意权重相乘,得到;
反向注意力模块从每个深层特征中删除当前预测的区域,引导整个网络依次发现互补的目标区域和细节,3个反向注意力模块通过3次反向操作得到高精度的预测图,最后通过sigmoid操作后完成肠道息肉边界分割。
8.根据权利要求1所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:所述方法的网络在训练中的损失函数结合加权交并比损失与二进制交叉熵损失,为,其中,表示加权IoU损失,表示全局约束与局部约束的BCE损失。
9.根据权利要求1所述的一种基于稀疏连接和全局特征增强的肠道息肉边界分割方法,其特征在于:所述方法以四个上采样后与标注图像GT大小相同的网络输出的、、、计算总损失,为,其中, 、为、的上采样结果,并通过反向传播更新网络参数。