一种基于深度学习模型的平扫CT图像自动分割方法

本发明公开了一种基于深度学习模型的平扫CT图像自动分割方法，本发明首先利用第一阶段训练的级联Deep‑MSVM‑UNet模型对脑部的切片影像数据进行大脑的区域分割，提取出大致的脑区轮廓，然后，将大脑区域的分割结果输入到第二阶段训练的Deep‑MSVM‑UNet模型进行各个脑区区域的细分割，以进一步精确划分脑区的边界和内部结构。通过多次迭代和级联处理，最终实现对脑区的准确分割；本发明构建的级联Deep‑MSVM‑UNet模型，结合多尺度视觉状态空间块和UNet架构，能够更有效地捕获和聚合多尺度特征表示，同时模拟像素之间的长时间依赖关系，从而提高脑区分割的精度。