一种基于频率增强多粒度上下文的脊椎椎体分割方法

一种基于频率增强多粒度上下文的脊椎椎体分割方法，属于深度学习、计算机视觉、图像分割领域。包括以下步骤：首先，收集数据并进行划分，获取三维成像模式下的脊椎椎体CT与MRI的图像数据，将图像数据划分成训练集和测试集；其次，对图像数据进行预处理、训练与后处理；再次，训练网络模型，在训练集上对基于频率增强的多粒度上下文分割模型进行训练，得到分割模型；最后，测试分割模型效果。本发明通过引入小波变换下采样操作避免信息丢失，并分别强化低频与高频特征，能够提升分割结果的准确性和细节表现，为精准医疗提供重要技术支持。本发明能更有效地融合多粒度上下文信息，保留图像细节，提高分割精度，适用于多种临床应用场景。