基于模糊卷积结合Transformer的2D脑部肿瘤分割方法技术

本发明专利技术提供了一种基于模糊卷积结合Transformer的2D脑部肿瘤分割方法，属于医学图像处理与深度学习技术领域。解决了现有方法难以同时精确分割脑部肿瘤模糊边界和降低计算资源量的技术问题。其技术方案为：构建基于模糊卷积结合Transformer的2D脑部肿瘤分割模型，该模型包括模糊学习模块、卷积神经网络、编码器、解码器以及门控权重控制器，模糊学习模块包括模糊隶属度函数和模糊规则，卷积神经网络受ResNet的启发，编码器包括卷积层以及门控轴向自注意力模块，解码器包括卷积层和反卷积层。本发明专利技术的有益效果为：提升脑部肿瘤的分割精确性的同时降低了计算资源量。

【技术实现步骤摘要】

本专利技术涉及医学图像处理与深度学习，尤其涉及一种基于模糊卷积结合transformer的2d脑部肿瘤分割方法。

技术介绍

1、脑部肿瘤是神经系统中最致命的疾病之一，其早期诊断与精准治疗对患者的生存率和生活质量至关重要。在医学图像处理领域，脑部肿瘤图像分割任务旨在从脑影像中自动提取肿瘤区域。首先，精准的脑部肿瘤分割能够极大地辅助临床医生进行诊断和治疗规划。通过精确地识别和分离肿瘤组织，医生可以更好地了解肿瘤的大小、位置及其在脑部的扩散情况，从而为制定手术切除范围、放疗计划等治疗方案提供重要依据。其次，脑部肿瘤的形态特征，如边界的模糊性和肿瘤体积等特征，与患者的预后密切相关。自动化的图像分割工具能够提供更为量化和客观的肿瘤数据，有助于医生在治疗前后进行疗效评估。传统的肿瘤分割方法通常依赖于人工标注，这不仅耗时费力，而且由于人为因素的影响，结果可能具有一定的主观性和不一致性。随着深度学习的快速发展，基于神经网络的肿瘤分割方法逐渐成为研究热点。这些方法不仅能显著提高分割的效率，还能在大规模数据集上实现更为一致和精确的分割结果。

2、卷积神经网络在脑部本文档来自技高网...

【技术保护点】

1.一种基于模糊卷积结合Transformer的2D脑部肿瘤分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于模糊卷积结合Transformer的2D脑部肿瘤分割方法，其特征在于，所述步骤S1包括以下步骤：

3.根据权利要求1所述的基于模糊卷积结合Transformer的2D脑部肿瘤分割方法，其特征在于，所述步骤S2包括以下步骤：

4.根据权利要求1所述的基于模糊卷积结合Transformer的2D脑部肿瘤分割方法，其特征在于，所述步骤S3包括以下步骤：

5.根据权利要求1所述的基于模糊卷积结合Transformer的2D脑...

【技术特征摘要】

1.一种基于模糊卷积结合transformer的2d脑部肿瘤分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于模糊卷积结合transformer的2d脑部肿瘤分割方法，其特征在于，所述步骤s1包括以下步骤：

3.根据权利要求1所述的基于模糊卷积结合transformer的2d脑部肿瘤...

【专利技术属性】
技术研发人员：丁卫平，陈琨，周天奕，姜舒，戴敏菲，朱越，
申请(专利权)人：南通大学，
类型：发明
国别省市：