基于Mamba-Transformer双结构与对比学习的半监督心脏图像分割方法

本发明属于医学图像处理技术领域，具体是一种基于Mamba‑Transformer双结构与对比学习的半监督心脏图像分割方法。该方法使用的分割模型包括MTSeg编码器和VNet解码器，输入图像经过线性层和位置嵌入操作后进入到MTSeg编码器中，MTSeg编码器包含多个MTSeg编码模块，VNet解码器包含多个解码模块，MTSeg编码模块的输出特征经过投影操作后与相应解码模块之间跳跃连接；VNet解码器的输出特征向量经过归一化操作，得到分割结果；MTSeg编码模块包含改进的Mamba分支与Transformer分支，两个分支的输出特征向量经过交叉注意力层进行融合，得到MTSeg编码模块的输出特征向量；改进的Mamba分支包括串联的MS模块和DRFB模块，MS模块用于增强模型的特征提取和计算效率，DRFB模块用于增强模型的表达能力和训练稳定性。实现了长程依赖关系和全局信息、多尺度和局部信息的有效整合，提升了模型的特征提取能力，得到更精细、准确的分割结果。