一种基于改进U-Net的图像异常特征分割方法技术

本发明专利技术公开一种基于改进U‑Net的图像异常特征分割方法。以残差卷积模块为基本单元，提出了一种基于改进U‑Net的图像异常特征分割方法。在U‑Net的编码、解码部分引入残差卷积模块对图像目标进行特征提取；并结合改进的空间注意力机制，加强目标区域关注度；最后使用多层级特征加强模块，充分融合低层特征的空间信息和高层特征的语义信息；在网络训练时使用混合损失优化分割结果。本发明专利技术公开的医学图像异常特征分割方法，可提升医学图像异常特征的分割精度。

【技术实现步骤摘要】

本专利技术涉及深度学习领域，具体涉及一种基于改进u-net的图像异常特征分割方法，尤其涉及医学图像病灶分割方法。

技术介绍

1、医学图像是一种诊断、治疗、评价和预防各种严重疾病的有效医疗方式。目前经验丰富的医生可以通过医学图像与其他辅助信息来判断影像中病变区域，但目前高水平的医生非常稀缺，同时人工阅片需要耗费医生大量时间和精力，大量的重复性阅片也造成医疗资源的浪费，而且医学图像本身比较模糊，人工阅片也会带有医生主观意识，造成误识别等一系列问题。

2、随着计算机技术的发展，一些研究者尝试使用一些图像处理技术和机器学习等方法来解决这些问题。然而，基于传统的图像处理如阈值分割的方法难以处理复杂情况下的图像并且分割精度较低，尽管机器学习方法在图像分割任务中取得了显著的进展，但仍然存在如占用资源大、泛化能力弱、分割结果缺乏一致性和连续性等缺点。

3、深度学习在医学图像病灶分割中具有准确性高、自动化程度高、学习能力强、上下文理解能力强、多模态处理能力强以及可迁移性好等优点。这些优点使深度学习成为医学图像分割领域的重要技术，并在医学诊断和治疗中发本文档来自技高网...

【技术保护点】

1.一种基于改进U-Net的图像异常特征分割方法，其特征在于包括以下步骤：

【技术特征摘要】

1.一种基于改进u-net的图像异常特...

【专利技术属性】
技术研发人员：罗仁泽，曹瑞，廖波，林虹宇，易玺，赵丹，武娟，刘恒，吴涛，王磊，雷璨如，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：