【技术实现步骤摘要】
本专利技术公开了一种模态缺失医学图像分割方法、装置、终端及存储介质，属于医学图像处理。
技术介绍
1、图像分割根据需求的不同可以大致分为语义分割和实例分割。医学图像分割作为图像处理的一个重要领域，旨在从复杂的医学图像中描绘出特定的生物结构，如器官的轮廓或病灶的形状，从而辅助医生进行临床诊断并提高诊断和治疗的准确性。
2、医学图像分割的方法根据不同的方法和技术可以大致分为两类：基于边缘的方法、基于阈值的方法、基于传统机器学习的方法等数学方法，以及基于深度学习的方法。其中，基于深度学习的方法以其强大的提取多层次图像特征和上下文信息的能力得到了广泛的关注和发展。
3、另一方面，不同模态的医学图像之间的互补信息的协同作用能显著提高医学诊断的效能，进而提高医学图像分割的表现。不幸的是，归因于扫描设备的不同、漫长的扫描时间以及其他不利因素，在实际的临床场景下获得一组全面的模态数据往往相当困难。例如某些模态需要注射造影剂，这可能会对患者的健康造成损害。因此临床上常常遇到所需医学图像模态不充足的情况。
4、针对模态缺...
【技术保护点】
1.一种模态缺失医学图像分割方法，其特征在于，包括：
2.根据权利要求1所述的一种模态缺失医学图像分割方法，其特征在于，所述将所述三维医学图像正则化得到正则化后的三维医学图像，包括：
3.根据权利要求1所述的一种模态缺失医学图像分割方法，其特征在于，所述将所述正则化后的三维医学图像通过编码器提取并进行整合得到高维图像特征输出数据，包括：
4.根据权利要求1所述的一种模态缺失医学图像分割方法，其特征在于，所述多层卷积块包括：二维卷积模块、BatchNorm模块和ReLU激活函数模块。
5.根据权利要求1所述的一种模态缺失医...
【技术特征摘要】
1.一种模态缺失医学图像分割方法，其特征在于，包括：
2.根据权利要求1所述的一种模态缺失医学图像分割方法，其特征在于，所述将所述三维医学图像正则化得到正则化后的三维医学图像，包括：
3.根据权利要求1所述的一种模态缺失医学图像分割方法，其特征在于，所述将所述正则化后的三维医学图像通过编码器提取并进行整合得到高维图像特征输出数据，包括：
4.根据权利要求1所述的一种模态缺失医学图像分割方法，其特征在于，所述多层卷积块包括：二维卷积模块、batchn...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。