一种基于Swin-TransUNet的医学图像分割方法技术

本发明专利技术提出一种基于Swin‑TransUNet的医学图像分割方法，该方法包括：第一，以编码器‑解码器结构的U型网络为框架，设计了以Swin‑Transformer和U‑Net作为编码器的双分支编码分割模型，此模型利用窗口自注意力机制，捕捉医学图像中不同位置的长程依赖；第二，在U‑Net编码器阶段，使用深度可分离卷积，提取病灶局部信息的同时降低了模型的复杂性；第三，设计Transformer特征融合模块（TIF）,将两个编码器提取到的信息融合在一起，使得解码器能够利用融合编码器提取的特征信息来生成准确的分割结果，提高分割的准确性。本发明专利技术旨在设计一种适用于医学图像的端到端的分割网络，在病灶较小的图像中也能达到不错的分割结果。

【技术实现步骤摘要】

本专利技术属于计算机视觉、深度学习技术、医学图像分割领域，具体地讲，设计一种结合swin-transformer和u-net的医学图像分割方法，实现医学图像的准确分割。

技术介绍

1、医学图像分割是近年来计算机视觉中热门的研究方向，在临床诊断、医学研究等领域都有着重要的应用。医学图像区域特征表现不明显，对比度低，成像易受噪声、斑点、伪影等因素的影响，判断人体组织器官和病灶的过程依赖医生的经验，主观性较强，因而限制医学图像分割模型在现有临床诊断上的应用。尽管现有的一些图像分割方法在某些场景下取得了不错的分割结果，但由于受人体内外环境中种种确定性、不确定性因素的干扰和成像噪声的影响，实际所获得的医学图像不可避免具有模糊、不均匀等缺陷。因此，设计一种精准度高，泛化能力较强且可以处理大批量医学图像数据的医学图像分割技术迫在眉睫。研究人员进行了大量研究，提出了各式各样的医学图像分割算法，包括基于阈值的分割方法、基于边缘检测的分割方法、基于区域的分割方法等，然而，这些传统的分割方法提取特征的表现能力有限，并没有达到很好的分割效果。

2、随着深度学习(dee本文档来自技高网...

【技术保护点】

1.一种基于Swin-TransUNet的医学图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于Swin-TransUNet的医学图像分割方法，其特征在于，所述步骤1中的医学图像分割数据集为Kvasir数据集；预处理时将所有图像调整为384×384像素大小的图像。

3.根据权利要求1所述的基于Swin-TransUNet的医学图像分割方法，其特征在于，所述步骤2中构建U型的Swin-Transformer编码器和解码器具体过程如下：

4.根据权利要求1所述的基于Swin-TransUNet的医学图像分割方法，其特征在于，所述步骤3中...

【技术特征摘要】

1.一种基于swin-transunet的医学图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于swin-transunet的医学图像分割方法，其特征在于，所述步骤1中的医学图像分割数据集为kvasir数据集；预处理时将所有图像调整为384×384像素大小的图像。

3.根据权利要求1所述的基于swin-transunet的医学图像分割方法，其特征在于，所述步骤2中构建u型的swin-transformer编码器和解码器具体过程如下：

4.根据权利要求1所述的基于swin-transunet的医学图像分割方法，其特征在于，所述步骤3中从构建transformer交互融合模块（...

【专利技术属性】
技术研发人员：冯云丛，王莉，孙博，魏一凡，吴杰，苏建瑜，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：