一种基于多尺度特征和有效注意力的病理图像分割方法

摘要

病理图像分割作为病理学图像分析的一项重要任务，为医生对患者的病情进行诊断以及后续治疗方案的制定起到了至关重要的作用.然而，病理图像因其复杂的结构，例如血管、空洞、图像中病变区域与正常区域间边界模糊及对比差异小等问题，使得现有模型分割效果不理想.因此，本文提出了一种基于多尺度特征和有效注意力的病理图像分割模型，其挑战性困难在于如何有效地利用空间和通道的相关性从病理图像中精确分割边界平滑的癌变组织.首先，该模型用金字塔视觉Transformer架构对输入图像提取包含丰富语义信息的多尺度特征，再用级联融合解码器对高层特征进行聚合，得到全局映射图指导后续解码过程.其次，在解码器部分，提出局部增强的反向注意力模块和联合注意力模块对级联解码器中的特征进行有效处理.最后，使用深度监督的方式对模型进行有效训练，并将提出的方法在3个病理图像数据集上与多个先进的分割模型进行对比实验.大量的定性以及定量结果显示，本文提出的方法比其他模型表现出更好的性能，可以对病理图像进行有效的分割.

关键词

病理图像 / 语义分割 / 多尺度特征 / 注意力机制 / Transformer