公开(公告)号：CN119379722A

公开(公告)日：2025-01-28

申请号：CN202411404192.2

申请日：2024-10-09

Applicant: 桂林理工大学

Inventor： 张攀峰 ,  杨贺 ,  杜慧

IPC: G06T7/12 ,  G06T3/02 ,  G06V10/764 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明提供了一种融合Transformer和残差网络的医学图像分割方法，属于医学图像分割领域。首先，进行数据增强，以扩大训练集；增强后的数据集作为模型训练的输入，分别输入到并行的Transformer分支和残差网络分支，以提取图像的全局语义特征和局部细节特征；各分支的跳跃连接处采用深度残差注意力模块，帮助预测目标边界；解码阶段采用逐步上采样特征融合方式，减少语义差异、特征信息丢失；最后，将两分支输出的全尺寸张量进行通道拼接，使用高效预测头融合拼接的张量，得到分割图。经验证，本方法的性能优于许多现有的主流方法，能有效的改善现有方法在医学图像分割中出现的对人体器官、组织或病灶的复杂目标区域分割困难、边缘细节信息丢失、泛化能力不足等问题。