[发明专利]基于多重扩张路径的医学影像深度分割网络

权利要求书

1.一种基于多重扩张路径的医学影像深度分割网络，其特征在于，该神经网络包括以多个串联的残差网络编码模块构成的收缩编码路径、以多个串联的残差网络解码模块构成的扩张解码路径，共有N个扩张解码路径，后N-1个扩张解码路径构成多重扩张路径；N为大于1的整数；

通过跳跃连接将收缩编码路径上的语义特征图与在相邻的扩张解码路径上相同分辨率的对应级别特征图在通道维度上进行拼接，即收缩编码路径中的每个残差网络编码模块中Sigmdid激活函数处理后的语义特征图与相邻的扩张解码路径上对应级别的残差网络解码模块中的特征图在通道维度上进行拼接；

多重扩张路径中每个路径的残差网络解码模块中Sigmdid激活函数处理后的语义特征图与下一个扩张解码路径上对应级别的残差网络解码模块中的特征图在通道维度上进行拼接；

至此获得基于多重扩张路径的医学影像深度分割网络。

2.根据权利要求1所述的分割网络，其特征在于，所述残差网络编码模块包含两个3×3卷积、1×1卷积、Sigmoid激活函数以及全局池化操作；以两个连续3×3卷积核提取感兴趣区域特征信息，同时利用1×1卷积核和Sigmoid激活函数操作调整特征图通道数，Sigmoid激活函数的输出记为语义特征，用于和相邻对应级别的残差网络解码模块进行跳跃连接；全局池化处理后的信息即为该残差网络模块的输出，连接下一级残差网络编码模块的输入。

3.根据权利要求1所述的分割网络，其特征在于，所述残差网络解码模块包含3×3卷积、1×1卷积、Sigmoid激活函数、转置卷积以及拼接操作；通过跳跃连接将残差解码模块的输入特征图与上一层路径中Sigmoid激活函数的输出进行通道维度上的拼接操作，获得2倍于原本通道数的特征图；利用一层1×1卷积核操作将得到的2倍原本通道数特征图调整通道数到原本的1倍通道数；然后利用具有两层3×3卷积核操作的残差模块进行解码分割信息，再进行1×1卷积组合Sigmoid激活函数操作，Sigmoid激活函数的输出记为语义特征，用于和下一层路径对应级别的残差网络解码模块进行跳跃连接；Sigmoid激活函数的输出再通过转置卷积操作进行信息上采样恢复，转置卷积操作处理后的输出连接同层路径的上一级残差网络解码模块的输入。