一种基于全局注意力与多尺度特征的医学图像分割方法技术

本发明专利技术提供了医学图像处理技术领域的一种基于全局注意力与多尺度特征的医学图像分割方法，包括如下步骤：步骤S1、获取大量的医学图像构建数据集，将所述数据集划分为训练集、验证集以及测试集；步骤S2、基于跳跃连接的编码器以及解码器，构建一U形网络结构的医学图像分割模型；步骤S3、利用所述训练集对医学图像分割模型进行训练，并不断优化所述医学图像分割模型的超参数，利用所述验证集对训练后的医学图像分割模型进行验证；步骤S4、利用所述测试集对验证后的医学图像分割模型进行测试；步骤S5、利用测试后的所述医学图像分割模型进行医学图像分割。本发明专利技术的优点在于：极大的提升了医学图像分割精度。

【技术实现步骤摘要】

本专利技术涉及医学图像处理，特别指一种基于全局注意力与多尺度特征的医学图像分割方法。

技术介绍

1、医学图像致力于使用各种影像学技术来获取、处理和展示人体内部结构和功能，这些医学图像是现代医疗最重要的诊疗手段之一，能够为医生提供对疾病、异常和器官状态的详细信息，从而支持诊断、治疗和监测患者的疾病进展。

2、然而，损伤组织的定位与标注往往需要有经验的医生耗费大量人力去完成，且在标注过程中难免会出现遗漏、标准不统一的问题。随着硬件算力的快速发展，深度学习被逐渐应用到图像分割任务中去，凭借其自动化、标准统一和适应性强等特点，解决了先前遇到的问题，并在临床应用上收到了广泛回响，已逐渐成为了该任务的主流发展方向。

3、但是，由于医学图像本身所具有的特性，其与深度学习技术结合的过程中仍然存在如下问题：(1)医学图像中待分割目标也属于人体结构，其纹理、形态都与周围环境相似，易与相似性特征混淆，最终影响感兴趣区域的定位准确性；(2)医学图像对边界定位要求较高，而多分割目标在人体中往往存在粘连情况，且彼此形态特征各不相同，这为最终器官组织的边界定位带本文档来自技高网...

【技术保护点】

1.一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：所述步骤S1具体为：

3.如权利要求1所述的一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：所述步骤S2中，所述编码器对应的公式为：

4.如权利要求3所述的一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：所述步骤S2中，所述解码器对应的公式为：

5.如权利要求1所述的一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：所述步骤S3具体为：<...

【技术特征摘要】

1.一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：包括如下步骤：

2.如权利要求1所述的一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：所述步骤s1具体为：

3.如权利要求1所述的一种基于全局注意力与多尺度特征的医学图像分割方法，其特征在于：所述步骤s2中，所述编码器对应的公式为：

4.如...

【专利技术属性】
技术研发人员：毛国君，王骁崴，邢树礼，
申请(专利权)人：福建理工大学，
类型：发明
国别省市：