一种基于深度学习的2D医学图像分割方法

本发明涉及图像分割技术领域，尤其涉及一种基于深度学习的2D医学图像分割方法，包括采集医学图像数据集；构建CNN分支和Transformer分支，利用CNN分支提取局部特征，利用Transformer分支提取全局特征；构建CAF模块，将局部特征和全局特征输入CAF模块中进行第一特征融合；在残差块中引入深度可分离卷积，将第一特征融合与Hadamard积进行第二特征融合；利用上采样、和跳跃连接融合不同层级的第二特征融合，得到融合后的图像特征；将第一层图像特征与解码第三上采样进行残差连接，再通过上采样得到分割结果。本发明解决现有CNN和Transformer特征融合时存在信息丢失问题。