一种能准确进行医学图像分割的方法

技术特征：

1.一种能准确进行医学图像分割的方法，其特征在于，包括如下步骤：

2.如权利要求1所述的能准确进行医学图像分割的方法，其特征在于：所述编码器和解码器均采用三阶段金字塔结构进行分层构建，其中编码器第一阶段包括补丁嵌入层和biformer块，第二到第三阶段由补丁合并层和biformer块组成，解码器第一阶段到第三阶段包括补丁扩展层和biformer块；

3.如权利要求2所述的能准确进行医学图像分割的方法，其特征在于：所述bottlennek由补丁合并层和biformer块组成，对编码器的输出降低分辨率和提高通道数。

4.如权利要求3所述的能准确进行医学图像分割的方法，其特征在于：所述sccsa模块的具体步骤包括：输入特征图x1,中间状态f1,f2,f3和输出x3表示为：

5.如权利要求3所述的能准确进行医学图像分割的方法，其特征在于：训练u形混合cnn-transformer网络使用的损失函数为：

技术总结
本发明涉及一种能准确进行医学图像分割的方法，该方法包括：获取公开数据集，构建和训练U形混合CNN‑Transformer网络命名为BRAU‑Net++，BRAU‑Net++使用双层路由注意力作为核心构建块来设计U形编码器‑解码器结构，其中编码器和解码器都是分层构建的，以便学习全局语义信息同时降低计算复杂性。此外，该BRAU‑Net++通过整合通道‑空间注意力来重构跳跃连接，该注意力采用卷积操作，以最小化局部空间信息损失并扩大多尺度特征的全局维度交互能力，最后将测试医学图像输入训练好的CNN‑Transformer网络，输出即为测试医学图像分割后的结果。在三种不同成像模态数据集上进行的大量实验证明了本发明方法对于多模态医学图像分割任务的普适性和鲁棒性。

技术研发人员：兰利彬,夏遵辉,冯欣,谭暑秋,蔡鹏洲
受保护的技术使用者：重庆理工大学
技术研发日：
技术公布日：2024/5/9