摘要
本发明涉及图像处理技术领域,具体涉及医学图像分割模型训练方法、分割方法、设备和存储介质。在本发明中,通过多尺度全局通道注意力(MCA)模块对每个编码模块的输出特征进行卷积和双线性插值操作后进行拼接,得到全局特征;通过通道注意力机制处理全局特征,得到全局区域特征;将全局区域特征和最后一个编码模块的输出特征行进行逐元素乘积,进行池化和归一化操作,用激活函数激活,得到多尺度全局通道注意力模块的输出特征。本发明的医学图像分割模型在保持性能的同时降低参数量和计算开销,训练过程的稳定、高效,缓解了医学图像中的类不平衡问题。
技术关键词
医学图像分割模型
输出特征
编码模块
医学图像分割方法
医学图像数据
通道注意力机制
解码模块
多尺度
全局平均池化
图像处理技术
解码器
编码器
分支
处理器通信
系统为您推荐了相关专利信息
驾驶员疲劳检测方法
疲劳驾驶检测
集成特征
解码模块
输出特征
软弱夹层
语义分割方法
语义分割模型
注意力
加权特征
合成孔径雷达图像
通道注意力机制
深度神经网络
融合特征
多尺度