[发明专利]一种基于像素对比学习的直肠癌病理图像分割方法

权利要求书

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。

2.根据权利要求1所述的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，所述S1中，其目的是让距离相近的不同子图像素拉近映射表征来进行学习。

3.根据权利要求1所述的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，所述S2中，不同于传统的对比学习方式，像素对比学习会把特征映射成一个特征图的形式，而传统的方法则是映射成一个向量。

4.根据权利要求1所述的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，所述S1-S4中，像素对比学习提出了两种损失，一种是用于计算子图之间的像素损失，另一种是用于计算经过像素传播投影后的损失。

5.根据权利要求4所述的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，所述一种是带有像素传播模块的常规编码器，用于生成平滑的特征；另一种是没有传播模块的动量编码器，用带有像素传播模块的常规编码器和没有传播模块的动量编码器来进行计算，拉近两种不同编码器的距离，相当于将图二中的x再经过一次映射得到y(类似于投影头的作用，做非线性映射)，然后再用y和经过动量编码器中的x′计算损失。

6.根据权利要求1所述的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，所述S5中，设置对比学习的两种增强方式，一种为改良后的RandAugment，另一种为原始的Simclr中增强方式，不同的增强方式能为对比学习中探索到更合适的变化。

7.根据权利要求1所述的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，所述S6中，编码器和解码器之间的跳过连接将低级特征图与高级特征图相结合，从而产生更准确的分割结果。