一种基于多任务学习和多尺度融合的3D断层检测方法

本发明公开了一种基于多任务学习和多尺度融合的3D断层检测方法，旨在提高在复杂地质条件下断层检测的精度和泛化能力。该方法采用具有精确断层标注的合成地震数据进行全监督训练，通过构建基于扩展三维高分辨率网络(3DHRNet)的断层分割分支和利用Canny边缘检测算子生成边缘标签的边缘检测分支，实现了断层分割与边缘检测的联合优化。为充分整合低层细节信息与高层全局语义信息，本发明设计了一种多尺度融合模块(MSF)，并在其内部嵌入双通道注意力门控机制(DCAG)，该机制通过分别计算空间注意力和通道注意力系数，实现对不同分辨率特征的动态筛选和加权融合，从而有效抑制信息冗余和噪声干扰。此外，本发明采用扩展Dice损失函数，引入可调参数以分别控制假阳性和假阴性的惩罚权重，显著降低漏检率，显著提高了断层检测的精度与鲁棒性。