【技术实现步骤摘要】
本申请涉及图像分割，尤其是涉及一种医学图像分割方法、系统、电子设备及存储介质。
技术介绍
1、传统上，医生主要依靠经验和人工方法对肿瘤进行识别和划分，然而该方法存在许多的局限性，耗时间耗人力且精度不高。因而，利用电脑技术和医学成像设备进行自动化肿瘤分割的技术不断发展，以提高诊断的精准性和效率。
2、近年来，在深度学习领域，以卷积神经网络（cnn）为代表的深度学习模型在医学图像分割领域逐步开展，并取得了显著的进步和发展，但由于肿瘤图像的形态和位置具有高度的变异性，目前的深度学习模型在复杂背景和边界模糊的情况下对肿瘤图像分割不够精准。
技术实现思路
1、本申请旨在提出一种医学图像分割方法、系统、电子设备及存储介质，能够提高医学图像分割的精确度。
2、第一方面，本申请实施例提供了一种医学图像分割方法，所述方法包括：
3、获取待分割医学图像；
4、提取所述待分割医学图像的特征图，并获取所述特征图的多个候选感兴趣区域；
5、对所述多个候选感...
【技术保护点】
1.一种医学图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的医学图像分割方法，其特征在于，所述将所述感兴趣区域特征图输入至混合注意力机制中，得到注意力特征图，包括：
3.根据权利要求2所述的医学图像分割方法，其特征在于，所述通过所述第一注意力机制增强所述感兴趣区域特征图的全局上下文信息，得到第一输出特征图，包括：
4.根据权利要求2所述的医学图像分割方法，其特征在于，所述通过所述第二注意力机制捕获所述第二输出特征图中每个空间位置重要性，得到第三输出特征图，包括：
5.根据权利要求1所述的医学图像分割方法...
【技术特征摘要】
1.一种医学图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的医学图像分割方法，其特征在于，所述将所述感兴趣区域特征图输入至混合注意力机制中，得到注意力特征图，包括：
3.根据权利要求2所述的医学图像分割方法，其特征在于，所述通过所述第一注意力机制增强所述感兴趣区域特征图的全局上下文信息，得到第一输出特征图，包括：
4.根据权利要求2所述的医学图像分割方法，其特征在于，所述通过所述第二注意力机制捕获所述第二输出特征图中每个空间位置重要性，得到第三输出特征图，包括：
5.根据权利要求1所述的医学图像分割方法，其特征在于，所述根据所述融合特征图进行图像分割，得到图像分割结果，包括：
6.根据权利要求1所述的医学图像分割方法，其特征在于，在将所述注意力特征图和所述...
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。