基于Transformer和CNN融合的小病灶分割和特征学习方法

本发明涉及基于Transformer和CNN融合的小病灶分割和特征学习方法。其方法包括：将输入的三维图像进行预处理获得原始输入特征后，输入到编码器‑瓶颈‑解码器结构的分割网络模型中；通过基于通道‑Transformer融合的编码器后，经过用于扩大感受野的瓶颈获得融合特征；其中，编码器包括用于局部特征捕获的通道卷积模块和用于全局建模的局部注意力机制模块；经过预处理后的输入特征先后通过通道卷积模块和局部注意力机制模块后，经过包含空洞卷积的瓶颈以进行特征融合；将融合特征输入到基于跳跃连接机制的解码器中，以将低分辨率特征逐步恢复到与输入图像相同的大小，并生成最终的分割结果或分类结果。本发明可实现对医学影像等三维图像的高效特征提取与精细预测。