【技术实现步骤摘要】
本申请涉及智能医疗领域，具体涉及一种基于深度学习的肿瘤图像分割方法、系统、设备及计算机可读存储介质。
技术介绍
1、癌症是最常见的全球性健康问题之一，且发病年龄呈年轻化趋势，坚持早发现、早诊断、早治疗是降低癌症患者死亡率、提高预后生存率的重要手段。快速发展的医学影像技术为肿瘤的早期检测和诊断提供了有力支撑，并且计算机技术、图像处理和模式识别技术的迅速发展，减轻了临床医生的工作量，计算机辅助诊断(computer-aided detection，cad)系统应运而生，并且在肿瘤早期检测和诊断中起到越来越重要的作用。其中，肿瘤分割是计算机辅助诊断的重要模块，是肿瘤诊断、治疗方案制定和预后预测等工作的重要基础，然而，肿瘤可以出现在任何位置，大小参差不齐、形态复杂多变，肿瘤区域与背景组织的差异较小，且占整幅图像的面积过小，使得肿瘤图像的自动分割成为一个具有挑战性的任务。
技术实现思路
1、针对上述问题，本专利技术提出一种基于深度学习的肿瘤图像分割方法，具体包括：
2、获取肿瘤图像；p>
3、将所述本文档来自技高网...
【技术保护点】
1.一种基于深度学习的肿瘤图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的肿瘤图像分割方法，其特征在于，所述不同尺度的神经网络是神经网络通过大小不同的卷积核对卷积特征进行特征提取得到多尺度特征；
3.根据权利要求1所述的基于深度学习的肿瘤图像分割方法，其特征在于，将所述多尺度特征输至注意力模块中提取注意特征，所述注意特征与所述卷积特征通过跳跃连接进行特征拼接得到输出特征，基于所述输出特征进行分割得到分割结果；
4.根据权利要求3所述的基于深度学习的肿瘤图像分割方法，其特征在于，所述注意力模块由通道注意...
【技术特征摘要】
1.一种基于深度学习的肿瘤图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的肿瘤图像分割方法，其特征在于，所述不同尺度的神经网络是神经网络通过大小不同的卷积核对卷积特征进行特征提取得到多尺度特征；
3.根据权利要求1所述的基于深度学习的肿瘤图像分割方法，其特征在于，将所述多尺度特征输至注意力模块中提取注意特征，所述注意特征与所述卷积特征通过跳跃连接进行特征拼接得到输出特征，基于所述输出特征进行分割得到分割结果；
4.根据权利要求3所述的基于深度学习的肿瘤图像分割方法，其特征在于，所述注意力模块由通道注意力模块和空间注意力模块组成，所述通道注意力模块与所述空间注意力模块并行处理不同尺度的特征得到混合通道注意特征、混合空间注意特征，所述混合通道注意特征与所述混合...
【专利技术属性】
技术研发人员：尹家瑜，沈文翔，刘良森，陆一昕，毛一朴，许梅海，韦洁勤，卢平明，瞧秀逢，黄龙全，郭敏，贺艾，黄彩云，
申请(专利权)人：南宁市第一人民医院，
类型：发明
国别省市：
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。