一种基于连通性的医学图像分割方法

本发明提供一种基于连通性的医学图像分割方法，属于医学图像处理领域，该方法通过结合深度学习和连通性感知技术，实现高精度的医学图像分割。首先，采集医学图像数据并进行预处理与数据增强，生成反映像素连通性的八通道掩码。然后，构建出连通性感知门控融合网络。接着，将预处理后的图像通过CAGFNet进行训练并获取分割结果。在此基础上，进一步通过连通性损失，门控融合模块以及后处理方法等手段来提升分割的精度和连续性，有效解决传统方法在连通性方面的不足。最后，经过测试，该方法在血管、器官、病变区域等类型的医学图像分割任务上，相较于现有技术，均表现出了显著的优势，对医疗诊断和科研研究具有重要的实用价值。