一种基于轻量级编码-解码器的医学图像分割方法

本发明公开了一种基于轻量级编码‑解码器的医学图像分割方法，涉及图像分割领域，包括：从公开的医学图像数据集中获取待分割图像，对数据集进行预处理，并分为训练集与测试集；构建轻量级编码‑解码器网络，包括Ghost瓶颈编码器、MIViT解码器；将训练集中的图像数据输入到Ghost瓶颈编码器中得到特征图，将所述特征图输入到MIViT解码器中对局部与全局信息进行融合，使用Sigmoid激活函数输出预测分割图像结果；对构建的网络模型进行训练和优化；对训练好网络模型进行量化，并部署在边缘设备上；将测试集中的图像数据输入到边缘设备得到分割结果。本发明能够在计算资源受限的设备上高效地进行医学图像分析，并在保证较高精度的同时降低计算负担和存储需求。