基于深度学习的多模态医学图像分割方法

本发明公开了一种基于深度学习的多模态医学图像分割方法，所述方法包括如下步骤：一、获取多模态医学图像并将尺寸标准化；二、将模态1～3输入到分割网络的通道2的FCSA融合模块中获取融合后的特征图；三、将主导模态4输入到分割网络的通道1中；四、分割网络的通道1和通道2都经过五层改进后的Tok‑KAN模块和下采样来提取不同尺度的特征信息；五、在解码过程中，每层输出的不同尺度的编码特征图通过密集跳跃连接的解码器实现特征的恢复和解码；六、通过上采样和Sigmoid激活，从解码器最后一个特征提取器的输出中生成分割预测。本发明解决了多模态医学图像分割算法分割准确性低和模型可解释性差的问题。