摘要
本发明公开了一种脑卒中医学图像的分割方法、电子设备及存储介质,其中方法包括:获取多模态的脑卒中医学图像,对获得的图像以及标签进行预处理,获得数据集;对于数据集中的图像,使用并行的CNN编码器和Transformer编码器提取每一层级的互补特征;对每一层级的互补特征进行特征融合,并将融合后的特征输入到对应层级的金字塔解码器;金字塔解码器对多个不同尺度的特征进行学习,获得分割类别的多尺度特征;对每个类别获得的多尺度特征分配融合权重并进行融合,将融合结果作为该类别的最终语义分割结果。本发明提出了一种新的CNN‑Transformer结合网络,这个网络充分利用了CNN和Transformer的优势,并且能够有效地进行多尺度特征学习,且学习到的多尺度特征有助于提高分割性能。
技术关键词
分割方法
编码器
互补特征
注意力
医学
解码器
金字塔
图像
特征提取模块
多尺度特征学习
多模态
上采样
电子设备
输出特征
阶段
生成多尺度
表达式
输出模块
语义
系统为您推荐了相关专利信息
跨模态
图文
全局平均池化
融合特征
特征提取模块
智能识别方法
生成对抗网络架构
注意力机制
智能识别系统
浮子式水位传感器
太阳能路灯电池
剩余寿命检测方法
电池特征向量
待测电池
神经网络预测模型
烟火检测方法
注意力机制
环境感知数据
多通道特征
多通道图像数据
双向长短期记忆
温度预测模型
有限元仿真分析
公交车
仿真方法