【技术实现步骤摘要】
本专利技术属于医学图像处理，尤其涉及一种基于扩散模型的多层次特征融合医学图像分割方法及系统。
技术介绍
1、皮肤病变分割的目标是从皮肤科学图像中识别出皮肤异常或病变。传统上依靠视觉检查和手工勾画来诊断皮肤病变，包括黑色素瘤、基底细胞癌、鳞状细胞癌以及其他良性或恶性生长。这些病变的准确和快速分割在早期检测、治疗计划制定和疾病进程监控中起着至关重要的作用。自动化的医学图像分割方法近年来因其提高诊断结果的准确性和可靠性而受到显著关注，然而对于传统的分割网络模型，去噪能力有限，导致模型在噪声环境下的去噪性能和分割精度受损；并且对于传统分割网络分割方法来说，平等的对待所有区域没有考虑不同区域的重要性，这通常会导致边界区域的分割不够准确；最后，传统的分割网络采用跳跃连接来丰富语义信息，但是这些语义信息仅仅局限于邻近层次的特征图语义信息，没有综合考虑全局多层次特征图语义信息。
技术实现思路
1、本专利技术的目的在于解决现有医学图像分割方法中存在的去噪能力弱、对病灶边界敏感性、语义信息不够丰富等问题，并提...
【技术保护点】
1.一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，步骤S1中，所述预处理具体为：将不同尺寸大小的带有皮肤病灶的医学图像随机裁剪，得到大小为128×128×3的裁剪后的医学图像，再对裁剪后的医学图像进行归一化操作并进行水平镜像翻转、垂直镜像翻转以及强度变化，得到预处理后的医学图像。
3.如权利要求1所述的一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，步骤S3中，第一编码器中的处理流程具体如下：将添加噪声后的医学图像以...
【技术特征摘要】
1.一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，步骤s1中，所述预处理具体为：将不同尺寸大小的带有皮肤病灶的医学图像随机裁剪，得到大小为128×128×3的裁剪后的医学图像，再对裁剪后的医学图像进行归一化操作并进行水平镜像翻转、垂直镜像翻转以及强度变化，得到预处理后的医学图像。
3.如权利要求1所述的一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，步骤s3中，第一编码器中的处理流程具体如下：将添加噪声后的医学图像以及时间序列输入第一残差块，得到第一中间特征图，将预处理后的医学图像以及时间序列输入第二残差块，得到第二中间特征图，将第一中间特征图和第二中间特征图拼接，得到所述第一特征图，将第一特征图以及时间序列输入第三残差块，得到第三中间特征图，将第三中间特征图和第一中间特征图拼接，得到第四中间特征图，将第四中间特征图以及时间序列输入第四残差块，得到第五中间特征图，将第五中间特征图经过第一线性注意力模块，得到所述第一噪声特征图，将第一噪声特征图和第三中间特征图拼接，得到所述第二特征图，将第二特征图输入到第二线性注意力模块，得到所述第一医学图像特征图。
4.如权利要求1所述的一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，步骤s3中，瓶颈结构中的处理流程具体如下：将第五噪声特征图以及第五医学图像特征图相加，得到相加后的特征图，将相加后的特征图以及时间序列输入第五残差块，得到第六中间特征图，将第六中间特征图经过第三线性注意力模块处理后，得到第七中间特征图，将第六中间特征图经过自注意力模块处理后，得到第八中间特征图，第七中间特征图和第八中间特征图相加后输入第六残差块，得到所述第六噪声特征图。
5.如权利要求1所述的一种基于扩散模型的多层次特征融合医学图像分割方法，其特征在于，步骤s3中，每个融合模块中的处理流程具体如下：将第一输入或者第二输入中的每个特征图各自由一个融合分支进行处理，每个融合分支输出一个融合特征图，将各个融合分支输出的融合特征图相乘，得到全局融合特征图，...
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。