摘要
本发明提供一种医学图像分割方法、装置、电子设备及存储介质,使用的目标图像分割模型中包括多个CNN网络层及多个独立的Transformer网络,各Transformer网络与CNN网络层一一对应,Transformer网络的特征图尺度与对应CNN网络层相同,训练过程中,使用各Transformer网络提取训练图像不同尺度的全局特征,输入至对应CNN网络层,使其在全局特征的引导下提取局部特征,避免CNN仅关注局部特征本身,提高CNN网络特征提取的准确性与完整性和目标图像分割的准确性。由于Transformer网络的特征图尺度与对应的CNN网络层相同,无需额外参数融合模块,大大降低资源开销。
技术关键词
图像分割模型
网络
局部特征提取
医学图像分割方法
条带
注意力
解码器
金字塔
融合特征
编码器
模块
标签
电子设备
计算机
参数
系统为您推荐了相关专利信息
预测图像数据
分割图像数据
钢结构
时序预测模型
动态分析方法
监测运维方法
风险
数据通信网络
自动扶梯运行状态
监测运维系统
数字病理图像
多任务分类
视野
生物标志物表达
全卷积网络
情感特征
情感预测方法
视频帧
计算机可执行指令
神经网络模型
连续体机器人
传感器融合
惯性传感器
卷积神经网络模型
节点