一种基于Swin Transformer的多模态宫颈癌前病变区域分割方法

本发明公开了一种基于Swin Transformer的多模态宫颈癌前病变区域分割方法。本发明提出MSS‑Net神经网络，旨在克服现有方法的不足，充分利用Swin Transformer的特征提取能力，实现醋酸实验图像和碘实验图像的多模态融合。首先，收集并标注阴道镜图像中的HSIL+区域。然后，使用目标检查算法提取宫颈区域，剔除非宫颈区域的噪声。接着，将预处理后的醋酸溶液图像和碘溶液图像分别输入Swin Transformer特征提取网络，得到多层次的特征图。通过多模注意力模块加权融合特征图后，输入解码器模块，通过级联上采样生成最终的分割结果。最后，使用Dice系数和交叉熵损失函数训练神经网络MSS‑Net，得到训练好的模型。本发明通过多模态数据融合和增强特征提取能力，实现了对宫颈癌前病变区域的较为精确分割。