【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种医学图像分割方法、装置、电子设备及存储介质。
技术介绍
1、医学图像分割在临床诊断和治疗中至关重要，尤其在病理图像分析中，精确的图像分割能够帮助医生检测和诊断各种病变。
2、相关技术中，图像分割技术多依赖于传统的卷积神经网络(cnn)，但在复杂的组织结构和病变区域识别中，传统池化方法(如最大池化和平均池化)往往表现出一定的局限性，主要体现在丢失细节信息，尤其是在处理病变区域时，导致医学图像分割的精度不高。
技术实现思路
1、鉴于上述问题，本申请提供一种医学图像分割方法、装置、设备及介质，以提升图像分割的精度和鲁棒性。
2、第一方面，本申请实施例提供了一种医学图像分割方法，医学图像分割方法，包括：
3、获取待分割的医学图像数据集；
4、将预处理后的所述医学图像数据集输入到训练好的深度卷积网络模型，以得到包含病灶区域的分割图像，其中，所述深度卷积网络模型包括lvp模块，所述lvp模块设置自定义的跳跃连接和通道注意力
本文档来自技高网...
【技术保护点】
1.一种医学图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的医学图像分割方法，其特征在于，所述将预处理后的所述医学图像数据集输入到训练好的深度卷积网络模型，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，所述将预处理后的所述医学图像数据集输入到训练好的深度卷积网络模型，还包括：
4.根据权利要求3所述的医学图像分割方法，其特征在于，所述方法还包括：
5.根据权利要求3所述的医学图像分割方法，其特征在于，所述方法，还包括：
6.根据权利要求1所述的医学图像分割方法，其特征在于，所
【技术特征摘要】
1.一种医学图像分割方法，其特征在于，所述方法包括：
2.根据权利要求1所述的医学图像分割方法，其特征在于，所述将预处理后的所述医学图像数据集输入到训练好的深度卷积网络模型，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，所述将预处理后的所述医学图像数据集输入到训练好的深度卷积网络模型，还包括：
4.根据权利要求3所述的医学图像分割方法，其特征在于，所述方法还包括：
5.根据权利要求3所述的医学图像分割方法，其特征在于，所述方法，还包括：
6.根据权利要求1所述的医学图像分割方法，其特征...
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。