用于医学图像中分割挑战性区域的自适应级联解码器

医学图像分割是各种疾病诊断和制定治疗计划的关键步骤之一。它有助于检测和定位图像中的病灶区域，可以快速识别肿瘤、癌变等病变区域的潜在存在，帮助医生快速准确地诊断。心脏、胰腺等作为公认的挑战性区域，由于其形态、位置以及周围组织的相似性，一直以来是医学图像分割的难点。本发明公开了一种基于CNN‑Transformer混合的模型。该模型特有的自适应级联解码器能根据不同的目标动态地调整模型的参数；MSC模块可以抑制背景区域突出目标器官；ADA模块克服了医学图像中对比度低和边缘模糊的问题；多阶段特征融合解决了最终预测图语义信息单一的问题。使用DICE指标测试模型的准确性，评估结果表明，本发明提出的模型在ACDC和Synapse多器官数据集上表现出优异的性能。