一种轻量化的医学图像分割方法、电子设备、存储介质技术

本发明专利技术提供一种本轻量化的医学图像分割方法、电子设备、存储介质，该方法包括：获取待处理的医学图像；对所述医学图像进行预处理，得到适于网络输入的第一图像；利用训练好的改进U‑Net网络对所述第一图像进行处理，得到分割后的第二图像，以区别病变区域和非病变区域，所述改进U‑Net网络是基于自注意力机制的U‑Net网络；利用条件随机场对所述第二图像进行后处理，以优化分割边界得到最终的分割结果。通过对医学图像进行预处理，以削弱噪声的影响，并基于自注意力机制对U‑Net网络进行改进从而得到改进U‑Net网络，通过对该网络的训练，可以实现医学图像的精准分割。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种轻量化的医学图像分割方法、电子设备、存储介质。

技术介绍

1、医学图像分割技术是医学图像处理和计算机视觉领域的重要研究方向，广泛应用于肿瘤检测、器官分割和病变区域标注等任务。早期的医学图像分割方法主要包括基于阈值、区域生长、边缘检测和主动轮廓模型等。这些传统方法在处理简单图像时效果较好，但在面对复杂的医学图像时表现出明显不足，尤其是在处理噪声和复杂背景时。

2、随着深度学习的发展，卷积神经网络(cnn)被引入医学图像分割领域。u-net网络作为一种经典的深度学习模型，凭借其编码器-解码器结构和跳跃连接机制，能够在捕获全局特征的同时保留局部细节特征，它在医学图像分割任务中取得了显著的效果，成为当前的主流方法之一。

3、尽管u-net网络在医学图像分割中取得了显著的进展，但仍然存在一些不足和挑战。其一，噪声干扰问题：医学图像通常伴随着噪声，这些噪声可能来自成像设备的限制、患者的运动或者其他外界干扰。现有的u-net网络在面对这些噪声时，分割精度会受到明显影响，导致对病变区域的识别能力下降；其二，类别不本文档来自技高网...

【技术保护点】

1.一种轻量化的医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的轻量化的医学图像分割方法，其特征在于，对所述医学图像进行预处理，得到适于网络输入的第一图像，包括：

3.根据权利要求1所述的轻量化的医学图像分割方法，其特征在于，所述改进U-Net网络是以U-Net网络为基础，并将其中跳跃连接修改为：

4.根据权利要求1所述的轻量化的医学图像分割方法，其特征在于，所述改进U-Net网络按如下步骤进行训练：

5.根据权利要求4所述的轻量化的医学图像分割方法，其特征在于，对所述第一数据集进行数据增强处理，得到第二数据集，包括：

...

【技术特征摘要】

1.一种轻量化的医学图像分割方法，其特征在于，包括：

2.根据权利要求1所述的轻量化的医学图像分割方法，其特征在于，对所述医学图像进行预处理，得到适于网络输入的第一图像，包括：

3.根据权利要求1所述的轻量化的医学图像分割方法，其特征在于，所述改进u-net网络是以u-net网络为基础，并将其中跳跃连接修改为：

4.根据权利要求1所述的轻量化的医学图像分割方法，其特征在于，所述改进u-net网络按如下步骤进行训练：

5.根据权利要求4所述的轻量化的医学图像分割方法，其特征在于，对所述第一数据集进行数据增强处理，得到第二数据集，包括：

6.根据权利要求4所述的轻量化的医学图像分割方法，其特征在于，利用所述第二数据集对所述改进u-net网络...

【专利技术属性】
技术研发人员：黄莉莉，孙若梓，代翔，姚凤岚，李泽伟，苏晣，江岸伟，张钦霞，孙妍，
申请(专利权)人：安徽大学，
类型：发明
国别省市：