(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211161150.1 (22)申请日 2022.09.22 (65)同一申请的已公布的文献号 申请公布号 CN 115239962 A (43)申请公布日 2022.10.25 (73)专利权人 珠海横琴圣澳云智科技有限公司 地址 519031 广东省珠海市横琴新区粤澳 合作中医药科技产业园飞蓬路100号2 栋102、 202、 402 (72)发明人 吕行　叶启志　黄仁斌　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 何明伦 (51)Int.Cl. G06V 10/26(2022.01)G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114998303 A,2022.09.02 CN 112712493 A,2021.04.27 审查员 董雪 (54)发明名称 基于深层大感受野空间注意力的目标分割 方法和装置 (57)摘要 本发明提供一种基于深层大感受野空间注 意力的目标分割方法和装置， 通过采用提取网络 和接收网络， 共同完成初始目标分割结果的图像 特征提取任务， 其中， 提取网络和接收网络中均 采用多层卷积层对初始目标分割结果进行多层 特征图提取， 且利用空间注意力机制从提取网络 的更深层的特征图中提取注意力信息， 利用提取 网络输出的深层特征图中包含的更大感受野提 取更准确更有效的注意力信息， 再利用该注意力 信息对接收网络中较浅层的特征图进行调整， 强 化其中区分性更高、 重要性更高的区域的特征， 从而从接收网络浅层卷积层开始引导接收网络 后续的特征提取过程更关注上述区分性更高、 重 要性更高的区域， 提升了图像特征提取的精度和 假阳目标检测的准确性。 权利要求书3页 说明书12页 附图5页 CN 115239962 B 2022.12.16 CN 115239962 B 1.一种基于深层大感受野空间注意力的目标分割方法， 其特 征在于， 包括： 基于目标分割模型， 对待分割医学影像进行目标分割， 得到所述待分割医学影像对应 的初始目标分割结果； 基于假阳抑制模型中的提取网络和接收网络， 对所述初始目标分割结果进行多层特征 图提取， 得到所述初始目标分割结果的图像特征； 其中， 所述接收网络在 进行当前层特征图 提取时， 基于空间注意力机制， 对所述接 收网络输出 的上一层特征图以及所述提取网络输 出的深层特征图进行融合提取， 得到所述接 收网络输出 的当前层特征图； 所述提取网络输 出的深层特征图的层数大于等于所述接收网络 当前层的层数； 所述初始目标分割结果的图 像特征为所述接收网络 输出的最末层特 征图； 基于所述接收网络对所述图像特征进行假阳检测， 确定所述待分割医学影像的目标分 割结果； 所述假阳抑制模型 是基于如下步骤训练得到的： 分别基于所述接收网络和所述提取网络对样本目标图像进行假阳检测， 得到所述接收 网络输出的第一 假阳检测结果和所述 提取网络 输出的第二 假阳检测结果； 基于所述第 一假阳检测结果与所述样本目标图像的标注结果之间的差异， 确定所述假 阳抑制模型的主损失， 并基于所述第二假阳检测结果与所述样本目标图像的标注结果之间 的差异， 确定所述 假阳抑制模型的辅助损失； 基于所述假阳抑制模型的主损 失和辅助损 失， 调整所述假阳抑制模型的网络参数； 其 中， 所述主损失和辅助损失用于反向监督所述接收网络和所述提取网络的特征提取性能和 假阳检测性能， 以及空间注意力机制的性能。 2.根据权利要求1所述的基于深层大感受野空间注意力的目标分割方法， 其特征在于， 所述基于所述假阳抑制模型 的主损失和辅助损失， 调整所述假阳抑制模型 的网络参数， 具 体包括： 基于所述假阳抑制模型的主损失， 反 向调整所述接收网络 中特征提取子网络和假阳检 测子网络的网络参数； 基于所述假阳抑制模型的主损失和辅助损失， 反向调 整所述提取网络的特征提取子网 络、 假阳检测子网络以及空间注意力变换层的网络参数； 其中， 所述接收网络和所述提取网络的特征提取子网络和假阳检测子网络分别用于多 层特征图提取和假阳检测， 所述空间注意力变换层用于执行所述空间注意力机制对应的操 作。 3.根据权利要求1所述的基于深层大感受野空间注意力的目标分割方法， 其特征在于， 所述基于空间注意力机制， 对所述接收网络输出的上一层特征图以及所述提取网络输出的 深层特征图进行融合 提取， 得到所述接收网络 输出的当前层特 征图， 具体包括： 基于所述提取网络 中与所述深层特征图对应的空间注意力变换层， 对所述提取网络的 特征提取子网络输出的所述深层特征图进 行注意力变换， 得到所述初始目标分割结果中各 子区域的注意力程度； 基于所述接收网络的特征提取子网络， 利用所述初始目标分割结果中各子区域的注意 力程度， 对所述接 收网络输出 的上一层特征图中所述各子区域对应的特征值进行调整， 得 到更新特征图， 并对所述更新特征图进行特征提取， 得到所述接 收网络输出 的当前层特征权　利　要　求　书 1/3 页 2 CN 115239962 B 2图。 4.根据权利要求3所述的基于深层大感受野空间注意力的目标分割方法， 其特征在于， 所述基于所述提取网络中与所述深层特征图对应的空间注意力变换层， 对 所述提取网络的 特征提取子网络输出的所述深层特征图进 行注意力变换， 得到所述初始目标分割结果中各 子区域的注意力程度， 具体包括： 基于所述空间注意力变换层， 对所述提取网络的特征提取子网络输出的所述深层特征 图进行注意力变换， 得到所述深层特 征图所在感受野下的注意力矩阵； 对所述注意力矩阵进行上采样， 得到尺寸与所述接收网络输出的上一层特征图的尺寸 相同的上采样注意力矩阵； 其中， 所述上采样注意力矩阵中包含所述初始目标分割 结果中 各子区域的注意力程度。 5.根据权利要求4所述的基于深层大感受野空间注意力的目标分割方法， 其特征在于， 所述基于所述接收网络的特征提取子网络， 利用所述初始目标分割结果中各子区域的注意 力程度， 对所述接 收网络输出 的上一层特征图中所述各子区域对应的特征值进行调整， 得 到更新特 征图， 具体包括： 将所述上采样注意力矩阵和所述接收网络输出的上一层特征图进行逐元素相乘， 得到 所述更新特 征图。 6.一种基于深层大感受野空间注意力的目标分割装置， 其特 征在于， 包括： 目标分割单元， 用于基于目标分割模型， 对待分割医学影像进行目标分割， 得到所述待 分割医学影 像对应的初始目标分割结果； 特征提取单元， 用于基于假阳抑制模型中的提取网络和接收网络， 对所述初始目标分 割结果进 行多层特征图提取， 得到所述初始目标分割结果的图像特征； 其中， 所述接收网络 在进行当前层特征图提取时， 基于空间注意力机制， 对所述接 收网络输出 的上一层特征图 以及所述提取网络输出的深层特征图进行融合提取， 得到所述接收网络输出的当前层特征 图； 所述提取网络输出 的深层特征图的层数大于等于所述接 收网络当前层的层数； 所述初 始目标分割结果的图像特 征为所述接收网络 输出的最末层特 征图； 假阳抑制单元， 用于基于所述接收网络对所述图像特征进行假阳检测， 确定所述待分 割医学影 像的目标分割结果； 所述假阳抑制模型 是基于如下步骤训练得到的： 分别基于所述接收网络和所述提取网络对样本目标图像进行假阳检测， 得到所述接收 网络输出的第一 假阳检测结果和所述 提取网络 输出的第二 假阳检测结果； 基于所述第 一假阳检测结果与所述样本目标图像的标注结果之间的差异， 确定所述假 阳抑制模型的主损失， 并基于所述第二假阳检测结果与所述样本目标图像的标注结果之间 的差异， 确定所述 假阳抑制模型的辅助损失； 基于所述假阳抑制模型的主损 失和辅助损 失， 调整所述假阳抑制模型的网络参数； 其 中， 所述主损失和辅助损失用于反向监督所述接收网络和所述提取网络的特征提取性能和 假阳检测性能， 以及空间注意力机制的性能。 7.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至5任一项所 述基于深层大感受野空间注意力的目标分割方法。权　利　要　求　书 2/3 页 3 CN 115239962 B 3