基于形态学边界条件门控的动态多尺度医学图像分割方法

基于形态学边界条件门控的动态多尺度医学图像分割方法，涉及图像处理领域。解决了现有的单尺度卷积神经网络在应对多样化的病灶特征时性能不足，其权重生成仅依赖全局上下文统计，未充分考虑局部病灶区域尤其是边界信息对分支选择的影响等问题。所述方法包括以下步骤：获取脑出血CT图像，并进行预处理，预处理为沿z轴做切片生成横断面图像，并对横断面图像进行图像增强；将预处理后的横断面图像输入到分割网络中；结合动态分割损失函数，根据出血区域的大小分配不同的惩罚权重，并引入GAN网络，通过全局判别器和局部判别器的联合判别，对分割结果在整体结构和局部细节层面同时进行一致性约束，本发明还适用于医学图像分割等应用领域。