1.一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,包括:获取肿瘤图像,采用PVTv2主干提取网络提取所述肿瘤图像的特征信息;其中,所述PVTv2主干提取网络包含不同尺度的补丁嵌入层,通过不同尺度的所述补丁嵌入层获取不同尺度的肿瘤图像特征信息;
通过反向注意力机制对不同尺度的所述肿瘤图像特征信息进行边缘细节信息增强,将增强后的所述肿瘤图像特征信息通过并行卷积融合操作获取第一输出;
将每个不同尺度的肿瘤图像特征信息对应的所述第一输出进行逐级融合,获取融合特征信息,在每一级融合后通过在混合解码时引入Transformer与深度可分离卷积提取局部细节特征,进一步得到金字塔特征输出,逐级融合得到最终的预测掩膜。
2.根据权利要求1所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述通过反向注意力机制对所述不同尺度的肿瘤图像特征信息进行边缘细节信息增强具体包括:对所述肿瘤图像特征信息输入进行1x1卷积处理来改变维度,接着通过Softmax函数增加注意范围;
引入反向注意机制分割肿瘤图像特征信息边界,增加非肿瘤区域的权重,减少病变区域的权重,其公式如下;
R
F
其中,R
3.根据权利要求2所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述获取第一输出具体包括:将FConv
4.根据权利要求1所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述混合解码具体包括:全连接层、Transformer模块、高效Transformer模块、空间注意力模块,所述全连接层输出所述融合特征信息的查询Q与键K,通过所述Transformer模块计算获取第一查询Q
5.根据权利要求4所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述高效Transformer模块包括高效自注意模块和高效前反馈模块,所述高效Transformer模块将Transformer模块中MSA替换为高效自注意模块,将Transformer模块中FFN替换为高效前反馈模块。
6.根据权利要求5所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述高效自注意模块具体包括:其中,D表示特征的维度,O
7.根据权利要求6所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述高效前反馈模块具体包括:O
其中,fc
8.根据权利要求4所述的一种基于边界提取的肾脏肿瘤图像分割方法,其特征在于,所述空间注意力模块具体包括:令QA
O
其中,A
9.一种基于边界提取的肾脏肿瘤图像分割系统,其特征在于,包括:特征信息获取模块,获取肿瘤图像,采用PVTv2主干提取网络提取所述肿瘤图像的特征信息;其中,所述PVTv2主干提取网络包含不同尺度的补丁嵌入层,通过不同尺度的所述补丁嵌入层获取不同尺度的肿瘤图像特征信息;
输出获取模块,通过反向注意力机制对不同尺度的所述肿瘤图像特征信息进行边缘细节信息增强,将增强后的所述肿瘤图像特征信息通过并行卷积融合操作获取第一输出;
预测图获取模块,将每个不同尺度的肿瘤图像特征信息对应的所述第一输出进行逐级融合,获取融合特征信息,在每一级融合后通过在混合解码时引入Transformer与深度可分离卷积提取局部细节特征,进一步得到金字塔特征输出,逐级融合得到最终的预测掩膜。