一种基于几何深度学习的多模态医学图像颅内动脉瘤的分割方法

本发明涉及一种基于几何深度学习的多模态医学图像颅内动脉瘤的分割方法，所述方法包括：步骤1，基于频域卷积的深度神经网络，设计医学扩散网；步骤2，对三维网格数据进行预处理，实现模型的流形化并计算网格模型的特征；步骤3，使用多重损失函数，以减少不平衡数据集的影响等步骤。本发明所述方法避免了传统分割方法需要手工设计特征且多阶段处理的繁琐过程；所述方法设计的MedDiffusionNet解决了多种模态医学图像的颅内动脉瘤分割问题，通过在MRA、CTA以及DSA数据上的实验结果表明，本发明所述方法无需对不同模态的数据进行分别训练，就能够得到准确的颅内动脉瘤分割；通过学习扩散参数t自适应地融合邻域内特征。