【技术实现步骤摘要】
本专利技术属于医学图像处理及人工智能领域，具体涉及一种利用小波变换进行多尺度频率特征提取与融合的医学图像分割系统，以及在该系统上实现的一种高效、高精度的医学图像分割方法，该方法特别适用于对具有复杂纹理、模糊边界的病灶区域进行精确识别和分割，并具备在电子健康元宇宙等场景中应用的潜力。
技术介绍
1、医学图像分割是计算机辅助诊断、疾病监测、手术规划等临床应用中的关键技术环节。其目标是从医学影像(如ct、mri、超声、x光片等)中准确地识别并勾画出感兴趣的解剖结构或病理区域。传统的医学图像分割主要依赖于临床医师的手动操作，该方式不仅耗时费力、效率低下，而且分割结果易受医师主观经验和疲劳程度的影响，难以保证一致性和可重复性。
2、随着深度学习技术的飞速发展，基于卷积神经网络(cnn)的自动分割方法，特别是以u-net及其各类改进型网络为代表的编码器-解码器架构，在医学图像分割领域取得了显著成就。这类方法通过逐级下采样提取图像的上下文语义信息，并通过跳跃连接将浅层高分辨率特征与深层语义特征相结合，以期在解码阶段恢复精细的分割边界。然而...
【技术保护点】
1.一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述步骤2具体包括：
3.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述步骤4具体包括：
4.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述步骤5具体包括：
5.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，还包括步骤8：将步骤7输出...
【技术特征摘要】
1.一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述步骤2具体包括：
3.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述步骤4具体包括：
4.根据权利要求1所述的一种基于小波变换的多尺度频率融合医学图像分割方法，其特征在于，所述步骤5具体包括：
5.根据权利要...
【专利技术属性】
技术研发人员：史贵领，李海鹏，王少强，赵亚武，张媛媛，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：
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。