一种基于Transformer和UNet的多模态医学图像分割方法和系统

文档序号:34730253发布日期:2023-07-08 00:03阅读:来源:国知局

技术特征:

1.一种基于transformer和unet的多模态医学图像分割方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于transformer和unet的多模态医学图像分割方法,其特征在于,所述步骤1中数据预处理步骤具体如下:

3.根据权利要求1所述的基于transformer和unet的多模态医学图像分割方法,其特征在于,所述步骤2.1中设计ctransunet的网络结构,具体包括以下步骤:

4.根据权利要求3所述的基于transformer和unet的多模态医学图像分割方法,其特征在于,所述步骤2.2中从处理好的数据集中选取并构建训练样本,具体包括以下步骤:

5.根据权利要求4所述的基于transformer和unet的多模态医学图像分割方法,其特征在于,所述步骤2.3中设计训练和预测策略,设置网络超参数、损失函数,利用步骤2.2中选取构建的训练样本对ctransunet进行有效训练,优化ctransunet网络的参数,直至训练达到收敛,具体包括以下步骤:

6.根据权利要求1所述的基于transformer和unet的多模态医学图像分割方法,其特征在于,所述步骤3采用滑动预测方式将待分割图像送入训练好的ctransunet网络进行分割计算,得到最终的分割结果,具体包括以下步骤:

7.根据权利要求1-6任一项所述的一种基于transformer和unet的多模态医学图像分割系统,其特征在于,包括数据预处理单元、ctransunet网络训练单元和待分割图像的预测单元;


技术总结
本发明公开了一种基于Transformer和UNet的多模态医学图像分割方法和系统。以编解码器结构UNet为框架,设计了两个Transformer模块取代了UNet中的跳跃连接。这两个模块分别为用于多尺度特征信息融合的通道级交叉融合Transformer模块以及用于编解码器信息融合的通道级交叉注意力机制模块,并将提出的方法称为CTransUNet。针对每个分割任务,首先用大量外部数据训练网络;然后将待分割图像经过预处理后送入训练好的网络进行预测;最后对预测结果进行后处理以消除过少的错误类别。本发明采用端到端的整体框架来分割医学图像,输入图像后便能直接得到分割结果。

技术研发人员:张毅锋,盛啸
受保护的技术使用者:东南大学
技术研发日:
技术公布日:2024/1/13
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1