1.一种基于多视角融合的深度息肉分割方法，包括以下步骤：构建并训练编解码网络模型；

获取待处理的结肠镜图像；

其特征在于，

1 V

将结肠镜图像进行多视角变化，得到V个视角的输入图像I～I；

1 V

使用训练好的编解码网络模型对V个视角的输入图像I～I 进行分割处理，得到息肉分割图Pfinal；

其中，所述编解码网络模型包括：v

编码器部，其用于对第v个视角的输入图像I进行特征提取，得到4种不同尺度的特征图其中，4种不同尺度的特征图按照尺度从大到小进行排序为解码器部，其包括特征融合部、预测头部；所述特征融合部用于按照尺度从小到大的顺序将4种不同尺度的特征图进行融合，得到中间特征图 其中， 与 尺度相同，与 尺度相同， 与 尺度相同；所述预测头部用于根据 预测得到辅助预测图v v根据 预测得到辅助预测图 根据F1预测得到辅助预测图P1；

以及

1 V 1 V

分割预测部，其包括视角统一部、特征聚合部；所述视角统一部用于将F1 ～F1、P1～P1进行视角调整，统一成相同视角的中间特征图 辅助预测图 其中，

1 V 1 V

由F1～F1对应得到、 由P1～P1 对应得到；所述特征聚合部用于基于 计算权重矩阵W，并依据权重矩阵W将 进行聚合得到息肉分割图Pfinal。

2.根据权利要求1所述的基于多视角融合的深度息肉分割方法，其特征在于，V≥2。

3.根据权利要求1所述的基于多视角融合的深度息肉分割方法，其特征在于，所述编码器部为PVT‑v2网络。

4.根据权利要求1所述的基于多视角融合的深度息肉分割方法，其特征在于，所述特征融合部包括3级交叉门控融合部；

其中，第1级交叉门控融合部用于将 与 融合成第2级交叉门控融合部用于将 与 融合成v

第3级交叉门控融合部用于将 与 融合成F1。

v

5.根据权利要求4所述的基于多视角融合的深度息肉分割方法，其特征在于，F3的计算公式为：的计算公式为：

v

F1的计算公式为：

式中， 表示中间特征；

C1(.)表示1×1卷积计算；ReLU(.)表示ReLU激活函数；[.||.]表示按照通道维度进行拼接；UP(.)表示上采样；σ(.)表示Sigmoid激活函数；⊙表示哈达玛积。

6.根据权利要求5所述的基于多视角融合的深度息肉分割方法，其特征在于，所述预测头部与3级交叉门控融合部分别连接；所述预测头部包含一个1×1卷积层。

7.根据权利要求1所述的基于多视角融合的深度息肉分割方法，其特征在于，W的计算公式为：式中，ρ(.)表示softmax激活函数；C1(.)表示1×1卷积计算；C3(.)表示3×3卷积计算；

Pfinal的计算公式为：

v

式中，W表示第v个辅助预测图 的权重。

8.根据权利要求1所述的基于多视角融合的深度息肉分割方法，其特征在于，所述编解码网络模型的训练方法包括：S1.1，获取息肉图像样本数据集；

S1.2，将息肉图像样本数据集划分为训练集、测试集；

S1.3，使用训练集对编解码网络模型进行训练，使用测试集对训练后的编解码网络模型进行性能验证；

S1.4，获取S1.3中性能最佳的编解码网络模型，作为训练好的编解码网络模型。

9.一种基于多视角融合的深度息肉分割系统，其特征在于，其使用了如权利要求1‑8中任一项所述的基于多视角融合的深度息肉分割方法；

所述基于多视角融合的深度息肉分割系统包括：编解码网络模块，其用于构建并训练编解码网络模型；

结肠镜图像输入模块，其用于获取待处理的结肠镜图像；

1

多视角处理模块，其用于将结肠镜图像进行多视角变化，得到V个视角的输入图像I ～VI；

以及

1 V

息肉分割模块，其用于使用训练好的编解码网络模型对V个视角的输入图像I～I 进行分割处理，得到息肉分割图Pfinal。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行如权利要求1‑8中任一项所述的基于多视角融合的深度息肉分割方法的步骤。