一种基于UCT-UNet模型的心脏超声图像分割方法

一种基于UCT‑UNet模型的心脏超声图像分割方法，涉及图像分割技术领域，在编码器的单元层上融合了Transformer模块，利用了Transformer的全局特性和卷积的局部特征优势来捕捉细节信息。解码器阶段通过不确定性引导Transformer块(UCTBlock)专注于通过不确定性估计来引导模型关注CNN难以准确分割的区域，进而建立全局依赖关系，减少局部特征与全局信息的功能重叠。这种方式有效避免了模型对复杂结构的错误分割，改善了特征融合，提高了分割的准确性。此外，通过在每个跳跃连接中加入特征提取模块FEM，增强了特征提取能力，进一步提高了模型的输出质量，最终提升了心脏超声图像的分割性能。