一种基于Transformer和U-Net的肺部CT图像分割方法

本发明公开一种基于Transformer和U‑Net的肺部CT图像分割方法，首先获取肺结节CT扫描图像并进行预处理，然后构建得到分割模型MCSTU‑Net，所述分割模型中通过融合卷积神经网络和Swin Transformer的模块，使用并行的三个分支使模型提取到丰富的特征，通过多重注意力融合模块增强并融合来自不同层级的特征信息；将数据集划分为训练集、测试集和验证集，对分割模型进行训练和验证，最后利用训练、验证好的模型对肺结节CT扫描图像进行病灶分割。本发明构建的模型和方法可以更准确地分割出肺部CT图像中的病变组织，通过消融实验验证了各个模块的有效性，辅助医生进行肺部疾病的诊断和治疗。