一种利用深度学习模型对SPECTV/Q图像进行肺叶区域分割的方法

本发明公开了一种利用深度学习模型对SPECTV/Q图像进行肺叶区域分割的方法，涉及医学影像处理技术领域，包括，获取SPECTV/Q图像数据，生成待分割图像；对所述待分割图像进行多尺度特征提取，生成浅层特征图和深层特征图；将所述肺叶分割概率图进行阈值掩码，生成二值掩码；基于所述二值掩码进行形态学操作，并进行背景噪声消除，生成二元肺叶掩码；所述二元肺叶掩码对肺叶区域进行分割，生成分割结果，本发明通过将待分割图像输入U‑Net模型，利用编码路径执行卷积与最大池化操作逐步提取多尺度特征图，显著增强了肺叶区域分割的精度与鲁棒性，为肺部功能定量分析提供可靠技术基础。