买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏开放大学(江苏城市职业学院)

摘要：本发明公开一种基于扩散网络和深度度量学习的肠道超声图像分割方法、系统、设备和介质，克服超声图像中存在的斑状噪声问题和边缘区域模糊问题，属于人工智能及计算机视觉领域，方法包括以下步骤：S1、构建分割网络，分割网络包括骨干网络和连接在骨干网络后的多层感知机；骨干网络用于对肠道超声图像隐式去噪，多层感知机用于分割肠道超声图像；S2、基于自监督的领域扩散方法预训练分割网络；S3、基于深度度量学习辅助训练分割网络；S4、利用训练好的分割网络对肠道超声图像进行图像分割。本发明提出的网络模型具有足够的边缘感知能力，实现提升目标边缘分割精度的目的，分割网络模型可以隐式去噪的同时对超声图像进行精确分割。

主权项：1.一种基于扩散网络和深度度量学习的肠道超声图像分割方法，其特征在于，包括以下步骤：S1、构建分割网络，所述分割网络包括骨干网络和连接在骨干网络后的多层感知机；所述骨干网络用于对肠道超声图像隐式去噪，所述多层感知机用于分割肠道超声图像；S2、基于自监督的领域扩散方法预训练分割网络；S2中，所述基于自监督的领域扩散方法预训练分割网络包括用于图像退化的前向过程和用于图像复原和分割的反向过程；所述前向过程具体为：从肠道超声图像组成的训练数据集中获取原始肠道超声图像及其对应的分割标签，随后逐步向原始肠道超声图像执行退化操作，生成多个不同t时刻的退化图像；所述反向过程具体为：将退化图像输入到分割网络中进行图像复原和分割，获得分割图像；反向过程的损失包含了两部分，其中一部分为图像复原损失，用于训练骨干网络，使得复原后的图像接近原始肠道超声图像，另一部分为分割损失，用于提升多层感知机分割出目标区域的准确率，使用交叉熵和Dice损失联合优化反向过程；S3、基于深度度量学习辅助训练分割网络；所述基于深度度量学习辅助训练分割网络具体为：肠道超声图像训练分割网络的过程中，对肠道超声图像的肠壁边缘区域进行采样，得到锚点、正样本和负样本，将锚点、正样本和负样本组成三元组，采样过程基于标注了真实标签的肠道超声图像的引导；给予三元组约束关系，所述约束关系具体为要求锚点与正样本间的距离和锚点与负样本间的距离大于一个正的常数；计算深度度量学习的三元损失；深度度量学习的三元损失函数如下： ；式中，Lloss表示深度度量学习的三元损失，表示锚点anchor和正样本positive之间的欧氏距离，表示锚点anchor和负样本negative之间的欧氏距离，为边界，用于确保正样本和锚点之间的距离小于负样本与正样本间的距离；利用深度度量学习的三元损失函数使得分割网络对肠道超声图像的边缘区域施加更多的注意力；S4、利用训练好的分割网络对肠道超声图像进行图像分割。

全文数据：

权利要求：

百度查询： 江苏开放大学(江苏城市职业学院) 基于扩散网络和深度度量学习的肠道超声图像分割方法、系统、设备和介质