一种基于多尺度管状结构增强编码卷积神经网络的脑血管分割方法

本发明提出了一种基于多尺度管状结构增强编码卷积神经网络的脑血管分割方法。该方法采用IXI‑45、Brains、TubeTK‑42和EDEN四个TOF‑MRA公开数据集进行验证，首先将数据随机划分为训练集和测试集，然后构建多尺度管状结构增强的深度卷积神经网络模型。本发明的优点包括：设计多尺度管状结构增强编码器实现端到端优化，提升不同尺度血管特征提取能力；设计自适应血管特征增强模块动态优化权重，抑制背景噪声并增强血管对比度。实验结果表明，该方法在四个数据集上的平均Dice系数分别达到88.81％、82.22％、79.54％和92.45％，拓扑保持Dice系数为88.71％、78.32％、75.06％和93.02％，平均表面距离为0.1594mm、0.3119mm、0.6246mm和0.2222mm，各项指标均优于现有最优方法。