申请/专利权人：云南大学

申请日：2022-04-11

公开（公告）日：2024-04-05

公开（公告）号：CN114926394B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/40;G06V10/82;G06V10/774;G06N3/0464;G06N3/0455;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.09.06#实质审查的生效;2022.08.19#公开

摘要：本发明公开了一种基于像素对比学习的直肠癌病理图像分割方法，属于图像分割方法技术领域，像素对比学习：从一幅图像中随机裁剪两个子图，并且让子图对应的像素特征保持一致；将一副图片经过不同的两种增强，然后将其输入到模型中的编码器网络和动量编码器网络中，两者都由ResNet连接一个投影头两个1x1卷积，中间夹杂一个批量归一化和Relu激活层构成。本发明中，本发明中，通过对比学习来训练编码器代替原来预训练的ResNet，无需额外注释即可在特征提取性能方面带来改进的病理图像分割模型，通过引入像素级Loss的对比学习来解决传统对比学习基于实例级loss而于下游分割任务不一致的问题。

主权项：1.一种基于像素对比学习的直肠癌病理图像分割方法，其特征在于，具体包括以下步骤：S1、像素对比学习：从一幅图像中随机裁剪两个子图，并且让子图对应的像素特征保持一致；S2、将一副图片经过不同的两种增强，然后将其输入到模型中的编码器网络和动量编码器网络中，两者都由ResNet连接一个投影头两个1x1卷积，中间夹杂一个批量归一化和Relu激活层构成；S3、从两种不同增强图像的特征图随机裁切出两个子特征图，然后来计算这两个子图之间的一致性损失，从而拉近其映射表征的距离；S4、基于S3，除此之外还映入了空间距离判别，具体来说就是计算两个特征子图间像素集的空间距离，如果两者的距离超过设定的阈值则不计算其损失，如果不超过阈值则计算，通过这样的方式就可以防止图像中所有的像素都最后会归于一个值的情况；S5、引入新的图像增强方式：引入了RandAugment，将原始的增强方式一并加入到RandAugment中，其性质限定增强的强度和使用增强方法的个数，避免过多增强方式的弊端；S6、图像分割：利用编码器对图像进行特征提取，随后利用解码器对图像进行分割掩码预测；S7、编码器部分通过将对比学习训练得到的特征编码器迁移到U-Net的编码器模块，代替原有的ImageNet预训练的编码器，然后将病理图像切片输入网络中完成分割。

全文数据：

权利要求：

百度查询： 云南大学 一种基于像素对比学习的直肠癌病理图像分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD