一种基于KAN网络的医学图像分割方法

本发明涉及图像分割技术领域，且公开了一种基于KAN网络的医学图像分割方法，包括如下步骤：步骤一，对医学图像数据集进行数据增强与预处理，构建出训练数据集；步骤二，搭建初始网络模型；步骤三，将训练数据集输入构建的初始医学图像分割模型中进行训练，直至损失函数收敛，得到训练好的医学图像分割模型；提出的KAN通道注意力模块和KAN空间注意力模块使KAN网络替换传统MLP结构，使输入特征直接经过非线性激活函数，相比MLP，KAN网络节点数可以大大减少，降低模型复杂度，减少算力成本，本发明提出的KAN通道注意力模块可解决解码器中对于图像的过度分割问题，删除无效通道信息。本发明提出的KAN网络能有效提高医学图像分割精度。