【技术实现步骤摘要】
本申请涉及医学影像处理领域，特别是涉及一种医学图像分割模型及分割方法。
技术介绍
1、医学图像分割通常使用以卷积神经网络和vision transformer为代表的深度学习模型实现。自2015年unet模型问世以来，cnn凭借其卓越的图像特征提取能力，在图像分割领域引起了研究者的广泛关注。然而，卷积操作本身存在一些局限性，例如在处理全局依赖关系时仅能捕获局部特征信息，以及感受野的大小受限等问题。相比之下，以visiontransformer为主体架构的分割模型通过全局自注意力机制建模，能够有效捕获图像中对象之间的非局部依赖关系，从而显著提升分割精度。但与此同时，vision transformer模型由于其自注意力的特点，也带来了更高的计算复杂度。所以设计一种既能提高分割精度又能降低计算复杂度的医学图像分割模型是非常重要的。
技术实现思路
1、本申请的目的是提供一种医学图像分割模型及分割方法，既能提高分割精度又能降低计算复杂度。
2、为实现上述目的，本申请提供了如下方案：第一...
【技术保护点】
1.一种医学图像分割模型，其特征在于，所述医学图像分割模型包括：
2.根据权利要求1所述的医学图像分割模型，其特征在于，所述HCM块还包括：
3.根据权利要求1所述的医学图像分割模型，其特征在于，所述跳跃连接模块包括依次连接的第二拼接操作、CBAM注意力机制和线性层。
4.根据权利要求1所述的医学图像分割模型，其特征在于，所述医学图像分割模型还包括：瓶颈层；所述编码器中最后一个图像拼接模块中的补丁合并层通过所述瓶颈层与所述解码器中第一个图像扩展模块中的补丁扩展层连接。
5.根据权利要求4所述的医学图像分割模型，其特征在于...
【技术特征摘要】
1.一种医学图像分割模型，其特征在于，所述医学图像分割模型包括：
2.根据权利要求1所述的医学图像分割模型，其特征在于，所述hcm块还包括：
3.根据权利要求1所述的医学图像分割模型，其特征在于，所述跳跃连接模块包括依次连接的第二拼接操作、cbam注意力机制和线性层。
4.根据权利要求1所述的医学图像分割模型，其特征在于，所述医学图像分割模型还包括：瓶颈层；所述编码器中最后一个图像拼接模块中的补丁合并层通过所述瓶颈层与所述解码器中第一个图像扩展模块中的补丁扩展层连接。
5.根据权利要求4所述的医学图像分割模型，其特征在于，所述瓶颈层包括多个依次连接的hcm块。
6.根据权利要求3所述的医学图像分割模型，其特征在于，第n+1-i个图像拼接模块中的hcm块的输出端以及第i个图像扩展模块中的补丁扩展层的输...
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。