【技术实现步骤摘要】
本申请涉及图像分割的，尤其是涉及一种医学图像分割方法、系统、计算机设备以及存储介质。
技术介绍
1、目前，随着计算机技术和医学影像技术的发展，由于医学图像分割方法能够满足精确诊断和治疗需求以及提高自动化分析效率，医学图像分割技术逐渐成为医学影像分析中的关键技术之一。
2、现有的，医学图像分割技术主要采用阈值法、区域生长法和形态学方法，由于阈值法、区域生长法和形态学方法均依赖于图像的灰度值和局部特征，使得这些现有的医学图像分割方法对图像噪声较为敏感，在处理复杂结构时效果有限，导致图像分割精度不足，而使用现有的医学图像分割方法处理细小的解剖结构（如气道和血管）时，气道和血管在图像上过于细密，使用现有的医学图像分割方法难以正确识别每条气道和血管，进而提高了图像分割难度，限制了医学图像分割技术在医学影像分析中的应用。
3、上述中的现有技术方案存在以下缺陷：传统的医学图像分割方法的分割精度较低，因此存在改善空间。
技术实现思路
1、为了提高医学图像分割的精度，本申请提供一种医...
【技术保护点】
1.一种医学图像分割方法，其特征在于，所述医学图像分割方法包括：
2.根据权利要求1所述的医学图像分割方法，其特征在于，所述利用预设卷积神经网络对所述肺部检测图像进行初步分割，得到初步分割结果，然后通过多尺度特征融合和注意力机制对所述初步分割结果进行优化，具体包括：
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UNet结构的卷积神经网络具体包括：
4.根据权利要求1所述的医学图像分割方法，其特征在于，所述依次利用条件随机场和形态学操作对所述优化分割结果进行调整，得到标准分割结果，具体包括：
5.根据权利要求...
【技术特征摘要】
1.一种医学图像分割方法，其特征在于，所述医学图像分割方法包括：
2.根据权利要求1所述的医学图像分割方法，其特征在于，所述利用预设卷积神经网络对所述肺部检测图像进行初步分割，得到初步分割结果，然后通过多尺度特征融合和注意力机制对所述初步分割结果进行优化，具体包括：
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unet结构的卷积神经网络具体包括：
4.根据权利要求1所述的医学图像分割方法，其特征在于，所述依次利用条件随机场和形态学操作对所述优化分割结果进行调整，得到标准分割结果，具体包括：
5.根据权利要求4所述的医学图像分割方法，其特征在于，所述采用形态学操作对所述调整分割结果中的杂质数据进行剔除，具体包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：刘德桥，汪伟，
申请(专利权)人：广西华医人工智能医疗科技有限公司，
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。