一种基于深度学习的甲状旁腺荧光图像分割方法

本申请涉及了一种基于深度学习的甲状旁腺荧光图像分割方法，本方法首先进行第一图像小波分解，以得到不同频段的子图像，然后在U‑net的基础上，设计了一种双路径网络，实现对子图像中的甲状旁腺的分割，最后利用小波逆变换实现子图像的融合，得到精确分割出甲状旁腺的第二图像；本方法利用小波变换分解出多个不同频段的子带图像，以便能够让神经网络能够剖析不同频段的子带图像的频谱信息，提升甲状旁腺分割的准确度；而且本方法设计了一种双路径网络，在频域分解基础上实现全局语义与局部特征的互补增强，高频子图像处理有效抑制噪声干扰，低频子图像处理保留组织结构信息，通过跨路径特征交互提升对甲状旁腺区域分割的准确度。