一种多尺度注意力融合的显微高光谱图像分割方法

本发明公开了一种多尺度注意力融合的显微高光谱图像分割方法，旨在提升医学图像分割的精度和鲁棒性。该方法结合Transformer和CNN在提取全局与局部特征上的优势，设计了一种创新的融合模块MSA(多尺度注意力)，通过多尺度、信道注意力和空间注意力机制，将Transformer的全局特征高效融合到CNN的局部特征中。同时，在Transformer分支的上采样阶段引入残差连接，以缓解梯度消失问题并增强网络表达能力；在每个CNN模块后加入SE模块，动态调整特征通道权重，从而增强有用特征并抑制冗余信息。实验表明，该方法在显微高光谱图像分割任务中表现出卓越的分割精度、鲁棒性和效率，特别是对癌变区域的边界模糊、组织混杂以及不同患者图像差异等挑战，展示了显著优势。