基于混合注意力编码器的医学图像分割算法制造技术

本发明专利技术提供了一种基于混合注意力编码器的医学图像分割算法，主要解决了医学图像模糊边界的误分割、分割轮廓不平滑等问题。具体方案为构建高效注意力模块，构建双路移位MLP模块；利用这些模块构建基于混合注意力编码器的医学图像分割网络；获取医学图像分割数据集对网络进行训练；然后运用训练好的网络进行图像分割。本发明专利技术构建了高效注意力模块和双路移位MLP模块，提升了网络局部建模的性能，同时使分割边界更加完整。该方法可为医生对人体病变部位的观察和判断提供帮助。

【技术实现步骤摘要】

本专利技术涉及深度学习。具体地说，涉及一种医学图像分割算法。

技术介绍

1、医学影像分割是计算机辅助诊断中的一项基础且关键的任务，目的在于从像素级别准确识别出目标器官、组织或病变区域。不同于自然场景下的图像，医学影像往往纹理复杂，同时受限于成像技术和成像设备，并且医学影像噪声大，边界模糊而不易判断。而且对医学影像进行标注极大依赖于医疗专家的认知和经验，这一点造成了可用于训练中的标注数据少。由于上述的医学影像边缘模糊不清、训练数据较少和标注误差较大等特点，基于传统图像分割算法搭建的辅助诊断系统不足以满足临床应用的要求。

2、近年来，cnn逐渐成为一种主流的图像处理方法。随后，研究者们提出了用于图像分割的全卷积神经网络(fcn)和 u-net 卷积网络，u-net 网络架构的应用更加广泛。由于u-net在图像分割中的卓越性能,它被广泛应用于眼部、心脏、肝脏、脑部、皮肤、前列腺和乳腺等器官的病灶分割。因此，研究者们基于u-net模型进行了一系列的改进，以满足实际应用需求，进一步提升了网络性能。例如，anu-net, diu-net, attunet,本文档来自技高网...

【技术保护点】

1.一种基于混合注意力编码器的医学图像分割算法，其特征在于，包括：

2.如权利要求1所述的基于混合注意力编码器的医学图像分割算法，其特征在于：所述（1a）中，采用UCTransNet作为提取图像特征的基础网络。

3.如权利要求1所述的基于混合注意力编码器的医学图像分割算法，其特征在于：所述（2b）中的数据增广技术是将医学图像分割数据集在输入网络前使用翻转（垂直和水平）和旋转（随机）两种形式的操作，将经过这些操作后形成的数据并入训练集，最终形成增广后的训练集。

4.如权利要求1所述的基于混合注意力编码器的医学图像分割算法，其特征在于：所述（1b）中，设计...

【技术特征摘要】

1.一种基于混合注意力编码器的医学图像分割算法，其特征在于，包括：

2.如权利要求1所述的基于混合注意力编码器的医学图像分割算法，其特征在于：所述（1a）中，采用uctransnet作为提取图像特征的基础网络。

3.如权利要求1所述的基于混合注意力编码器的医学图像分割算法，其特征在于：所述（2b）中的数据增广技术是将医学图像分割数据集在输入网络前使用翻转（垂直和水平）和旋转（随机）两种形式的操作，将经过这些操作后形成的数据并入训练集，最终形成增广后的训练集。

4.如权利要求1所述的基于混合注意力编码器的医学图像分...

【专利技术属性】
技术研发人员：安丽静，汪烈军，程述立，
申请(专利权)人：新疆大学，
类型：发明
国别省市：