一种应用于乳腺医学检测图像的病灶分割轻量化方法

本发明公开了一种应用于乳腺医学检测图像的病灶分割轻量化方法，涉及医学影像分析技术领域。该方法的具体步骤如下：(1)获取乳腺医学检测图像数据集，对图像进行尺寸标准化、数据增强等预处理操作，并将其划分为训练集和验证集。(2)基于深度学习构建U型编解码架构的轻量化医学图像分割模型，该模型编码器采用轴向深度可分离卷积块，解码器则集成层次化尺度感知融合块。(3)将预处理后的训练集图像输入模型，训练构建的轻量化分割模型。(4)将验证集输入训练好的模型，通过指标评估分割精度并根据结果调整优化超参数，得到验证后的模型。(5)将待分割的乳腺医学检测图像进行尺寸归一化、噪声抑制等预处理。(6)将预处理后的图像输入验证后的轻量化模型，输出像素级的病灶分割结果，辅助临床诊断。本发明通过轻量化架构设计显著降低了模型参数量与计算资源需求，在优化分割精度的同时提升推理速度，适用于及资源受限的应用场景，为乳腺癌病灶的快速精准诊断提供高效技术支持。