一种基于改进编码器与解码器的U-Net模型的病理图像分割方法

本发明公开了一种基于改进编码器与解码器的U‑Net模型的病理图像分割方法，包括以下步骤：对数据进行预处理操作，提高模型泛化能力；对U‑Net模型编码器与解码器进行改进建立EEDU‑Net模型；使用训练集数据对模型进行训练；获得最佳模型参数，输入测试集数据并对模型的预测结果进行可视化处理。本发明将各层编码器改为多分支的形式，增加编码对不同尺度信息提取的能力。同时将经过跳跃连接后的特征图，通过通道注意力和轴向注意力的处理，消除语义上的差异，保证每个跳跃连接的有效性。使用EEDU‑Net模型提高了病理图像分割的鲁棒性和精度，展现出优于现有模型的分割效果。