[发明专利]胶囊内窥镜图像病灶分割方法、服务器及系统

权利要求书

1.一种胶囊内窥镜图像病灶分割系统，其特征在于，包括前端设备和后端服务器，所述后端服务器中部署有已训练好的病灶分割模型；其中：

所述前端设备，用于向所述后端服务器上传胶囊内窥镜图像；

所述后端服务器，用于采用所述病灶分割模型对所述胶囊内窥镜图像进行病灶分割，得到分割后的病灶图像，所述病灶图像通过所述前端设备进行显示；

其中，所述病灶分割模型包括编码器和解码器，所述解码器包括依次连接的多个解码器块；所述解码器的输入数据是所述编码器对所述胶囊内窥镜图像进行下采样后得到的特征图，所述解码器用于采用依次连接的多个所述解码器块对下采样的特征图进行上采样，得到所述胶囊内窥镜图像的特征图像，所述特征图像是对依次连接的多个所述解码器块中最后两个解码器块的输出特征进行融合后得到的图像，所述编码器中的各个编码器块在对所述胶囊内窥镜图像进行下采样时，前一个编码器块的输出数据将作为后一个编码器块的输入数据，所述解码器中的各个解码器块在对下采样的特征图进行上采样时，前一个解码器块的输出数据将作为后一个解码器块的输入数据；

所述编码器是将具有残差结构的ResNeSt网络与Unet神经网络结合，通过替换所述Unet神经网络的每个编码器块中传统的CBR模块得到的，所述编码器包括多个可变形卷积模块，所述编码器还用于使用迁移学习的方法，对ImageNet数据集进行预训练，使得所述ResNeSt网络提前学习抽象知识映射能力，从而将学习到的知识和规则迁移到小数据集的医疗任务中；以及，用于采用多个所述可变形卷积模块计算对所述胶囊内窥镜图像进行下采样得到的特征图中每个像素点的偏移量，根据所述偏移量对所述胶囊内窥镜图像的原始卷积窗口进行平移，对平移后的卷积窗口中的各个像素点进行插值，得到各个所述像素点的像素坐标，根据各个所述像素点的像素坐标进行卷积计算，输出新的特征图。

2.根据权利要求1所述的系统，其特征在于，依次连接的多个所述解码器块包括依次连接的第一解码器块、第二解码器块、第三解码器块和第四解码器块，所述特征图像是对所述第三解码器块的输出特征和所述第四解码器的输出特征进行融合后得到的图像。

3.根据权利要求2所述的系统，其特征在于，所述解码器还用于：

对所述第三解码器块的输出特征的尺寸进行调整，调整后的所述第三解码器块的输出特征的尺寸与所述第四解码器的输出特征的尺寸相同；

对所述第四解码器的输出特征进行升维，升维后的所述第四解码器的输出特征的通道数与所述第三解码器块的输出特征的通道数相等。

4.根据权利要求1-3任一项所述的系统，其特征在于，所述编码器还用于：

对自然数据集进行预训练，获得预训练权重，所述预训练权重用于在执行所述病灶分割模型的训练任务时被加载作为相应的训练权重，所述自然数据集的数据量大于预设数据量。

5.根据权利要求1-3任一项所述的系统，其特征在于，所述病灶分割模型还包括空洞卷积金字塔并联模块，所述空洞卷积金字塔并联模块包括多个不同扩展率的空洞卷积，所述空洞卷积金字塔并联模块用于采用多个不同扩展率的所述空洞卷积对下采样得到的特征图进行空洞卷积操作，以获取所述胶囊内窥镜图像的多感受野的信息。

6.根据权利要求5所述的系统，其特征在于，所述空洞卷积金字塔并联模块还用于：

对下采样得到的特征图进行全局平均池化，并对全局平均池化后的所述特征图进行插值，以将所述特征图恢复至原始大小。

7.根据权利要求6所述的系统，其特征在于，所述空洞卷积金字塔并联模块还用于：

对空洞卷积操作和全局平均池化后得到的特征图进行特征拼接，获得拼接特征图，并对所述拼接特征图进行降维，以将降维后的所述拼接特征图的通道数恢复至与下采样得到的特征图的通道数相等。

8.根据权利要求1-3或6-7任一项所述的系统，其特征在于，所述病灶分割模型还包括自注意力模块，所述自注意力模块用于对所述解码器输出的所述特征图像进行低秩重构，以获取所述特征图像中病灶区域的特征信息。