针对肺结节CT扫描的双分支网络3D图像分割方法

本发明公开了一种针对肺结节CT扫描的双分支网络3D图像分割方法，属于深度学习技术在肺结节医学图像处理领域的应用。本发明首先构建双分支网络3D图像的分割模型，其包括用于提取医学图像特征的特征提取分支，通过逐层上采样对特征提取分支提取的图像特征进行解码处理的主特征解码分支，提取和增强肺结节CT扫描的边缘信息的边界特征解码分支，以及用于对主特征解码分支和边界特征解码分支的输出进行融合处理的融合模块；基于采集的训练数据集对分割模型进行训练，得到用于肺结节CT扫描的3D图像分割模型。本发明通过结合深度学习算法和创新的双分支网络结构，有效克服了高度变异性和图像噪声等限制，提高了分割的精确性和泛化能力，尤其在肺结节边界识别方面表现卓越，本发明方法特别适用于样本量有限的情况，通过高效的特征提取和边缘关注机制，实现了肺结节的精确分割。