【技术实现步骤摘要】
本专利技术属于医学图像分割领域，具体涉及一种融合多尺度特征的双通道医学图像分割方法。
技术介绍
1、医学图像分割的目标是对医学图像不同部位器官的解剖结构进行划分，即从特定的组织图像中提取有效信息，进而帮助医生更好地了解患者的病情，是临床分析和医疗干预的有力证据之一。
2、在过去的十年中，基于深度学习的图像分割技术已成为主流方法。其中，与卷积神经网络相关的方法被广泛应用于各种分割任务，并在医学图像分割上取得了显著的进展。特别是2015年提出的基于卷积神经网络的u-net图像分割方法，能够有效地结合不同层次的特征，但卷积网络的感受野受限于卷积核大小，其网络中3*3的卷积核使得其提取特征时存在一定的局限性，在建模长距离依赖关系和获取有效全局信息方面的能力不足。与此同时，transformer相关模型因其全局且动态的感受野能够捕获全局信息，但其模型结构仍然相对复杂，面临着资源消耗大、计算复杂度高等问题，同时存在提取局部上下文特征方面的不足。为此，convnext方法将transformer的性能优势和传统卷积网络的高效性和简洁性相结...
【技术保护点】
1.一种融合多尺度特征的双通道医学图像分割方法，其特征在于：包括以下步骤：
【技术特征摘要】
1.一种融合多尺度特征的双通道医学图像...
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。