一种基于轻量级深度迁移学习的胎儿肺超声图像分割方法

本发明属于医学图像处理技术领域，具体提供一种基于轻量级深度迁移学习的胎儿肺超声图像分割方法，旨在高效、准确地实现胎儿肺部超声图像的自动分割，以评估胎儿肺的成熟度。本发明在基于MobileNetV2的DeepLabV3+架构上引入改进的注意力机制，构建轻量级的胎儿肺超声图像分割模型，包括：轻量级反向残差卷积模块、注意力机制模块与语义图像分割卷积模块；在图像分割过程中提升重要特征的关注权重，同时忽略贡献较小的特征，从而有效提升模型在有限计算资源下的性能和实用性，利于临床实践；同时，在模型训练过程中引入迁移学习，提高模型训练效率，且进一步提升模型分割结果的准确度。