基于深度学习的脑胶质瘤图像分割方法

本发明公开了一种基于深度学习的脑胶质瘤图像分割方法，涉及图像处理技术领域。包括以下步骤：获取多模态MRI图像并对其进行预处理，得到多通道输入图像张量；将多通道输入图像张量输入特征提取模块以得到第一损失；建立改进的UNet模型，并利用多通道输入图像张量对改进的UNet模型进行训练得到第二损失，结合第一损失和第二损失来调节改进的UNet模型的参数，得到训练后的模型；所述改进的UNet模型以UNet模型为基础，在UNet模型的最深层引入改进的超图卷积模块，在跳跃连接阶段引入多尺度动态加权特征金字塔模块，在特征恢复阶段引入双重注意力机制；取待分割的脑胶质瘤图像，利用训练后的模型对其进行分割。本发明的方法，极大地提高了分割的精度和准确率。