摘要
交互式分割是一种基于自动分割的基础上在已有的监督信息上添加人为标记，从而实行更加精细分割的一种方法。这种可以通过少量提示信息实现分割结果进一步优化的方法有一定的研究价值。目前，现有的交互式分割方法已经应用于各个领域，其中在医学领域的作用尤其突出。医生可以通过对图像进行标注提示从而得到更加精细的分割结果。 然而目前的交互式分割方法需要根据不同的图像的特点进行针对性的处理方案，例如在医学图像上医生需要对病变的区域进行多次标识才能得到更好的语义信息，因此仍然需要大量人工交互，这对工作人员造成了极大的负担。为此我们迫切需要一种能够保证一定精度的同时需要较少的交互信息的方法。现有的交互式分割方法利用自动分割的结果代替用户交互的初始信息，通过多次迭代交互更新结果。而这种更新方式并未考虑图像本身的特点，仅仅根据形状、像素进行交互，缺少对边缘信息的精细处理，从而丢失更多图像的细节信息，因此往往需要更多的交互来修正得到的结果。如何解决这一问题成为了交互式分割上的难题。除了在算法缺陷之外，目前存在的图像处理平台系统由于其集成的模型泛化能力较差，很难应用于实际工程中。此外，大部分系统仅使用了传统的图像分割方法，与学术发展脱节，因此难以实现更新迭代。 针对上述问题，本文提出了以下解决方案： 1.本文利用强化学习的思想将每个像素看作一个智能体以交互过程作为场景建模，根据用户提示作为奖励机制，目的是使智能体学习依据不同的图像特征信息采取正确分割动作。在已有的交互式分割模型上引入本文提出的基于注意力机制边缘处理模块以及特征扩散机制。 2.本文提出了一种基于注意力-特征扩散的交互式分割方法，基于深度强化学习的思想上搭建了通道注意力模块加强智能体对边缘信息的处理，丰富了语义信息从而得到更为精细的边界处理结果。同时引入扩散算法将用户提示特征信息看作一个路径，从而加强智能体对局部区域信息处理能力，有效提高了局部分割的效率以及分割结果，减少了交互次数。 3.为了便于将算法应用到实际需求中，本文开发了交互式系统，并添加了相关接口用于提供给用户使用。
NETL