[发明专利]一种基于残差网络和注意力机制的图像处理方法及系统

权利要求书

1.一种基于残差网络和注意力机制的图像处理方法，其特征在于，包括，

图像输入：获取输入图像，所述输入图像包括第一图像和第二图像；

预处理：根据所述第二图像对所述第一图像进行预处理，获取第一目标图像，基于所述第一目标图像获取第一标注图像；

模型训练：根据所述第一标注图像和所述第一目标图像对预设分割网络进行训练，获取第一分割网络，所述第一分割网络是包括具有残差网络和注意力机制的编码解码结构；

模型处理：通过所述第一分割网络对所述第一目标图像进行处理，获取输出图像。

2.根据权利要求1所述的方法，其特征在于，所述预处理具体包括，

获取所述第二图像中预设区域的坐标信息；

基于所述坐标信息对所述第一图像进行映射处理，获取所述第一目标图像；

通过对预设比例的所述第一目标图像进行标注，获取所述第一标注图像。

3.根据权利要求2所述的方法，其特征在于，所述模型训练具体包括，

根据所述第一标注图像和与所述第一标注图像对应的所述第一目标图像对所述预设分割网络进行训练，输出预训练图像；

根据所述预训练图像与所述标注图像获取损失函数；

根据所述损失函数优化所述预设分割网络，获取所述第一分割网络。

4.根据权利要求2所述的方法，其特征在于，所述预处理还包括，

在获取所述第一标注图像之后，

对所述第一目标图像进行杨氏模量转换处理，对所述第一标注图像进行二值化处理。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述分割网络包括设置有残差网络结构的下采样网络和设置有注意力机制的上采样网络；

所述模型处理具体包括：

通过所述下采样网络对所述第一目标图像进行下采样编码处理，获取下采样图像；

通过所述上采样网络对所述下采样图像进行上采样解码处理，获取输出图像。

6.根据权利要求1所述的方法，其特征在于，所述注意力机制具体包括：

获取特征图在图像通道上的均值和最大值，将所述均值和所述最大值相加，得到权重向量；

将所述权重向量输入到全连接层进行重新排列，获取第一权重向量；

根据所述第一权重向量和所述特征图获取带有权重的特征图。

7.根据权利要求1所述的方法，其特征在于，在所述预处理和所述模型训练之间，还包括：

对所述第一目标图像和所述第一标注图像进行数据增强；

所述数据增强包括随机水平翻转、角度旋转、随机裁剪。

8.根据权利要求5所述的方法，其特征在于，所述下采样网络的第一层和最后一层也设置有所述注意力机制。

9.根据权利要求5所述的方法，其特征在于，所述上采样网络也设置有所述残差网络结构；

所述上采样网络的表达式为：

y＝D(cat(x_l，x_l-1))+w·cat(x_l，x_l-1)

其中，D表示解码操作，包括上采样、卷积、激活函数、正则化运算，w表示卷积运算，cat表示特征拼接运算，y表示上采样网络第l层输出，x_l表示上采样网络的第l层，x_l-1表示上采样网络的第l-1层。

10.根据权利要求3所述的方法，其特征在于，所述损失函数包括二元交叉熵和Dice损失的组合。

11.根据权利要求1所述的方法，其特征在于，所述第一图像为横纵切扫描方式下的B模式图像，所述第二图像为横纵切扫描方式下的弹性图像。