[发明专利]一种基于半监督与Transformers的医学图像分割方法及系统

权利要求书

1.一种基于半监督与Transformers的医学图像分割方法，其特征在于：包括如下步骤：

步骤S10、获取大量的医学图像，对各所述医学图像进行预处理得到图像集；

步骤S20、基于FC-DenseNet和RL-Transformer创建一U型结构的医学图像分割模型；

步骤S30、利用所述图像集对医学图像分割模型进行训练；

步骤S40、将待分割医学图像输入训练后的医学图像分割模型进行图像分割。

2.如权利要求1所述的一种基于半监督与Transformers的医学图像分割方法，其特征在于：所述步骤S10具体为：

获取大量的医学图像，对各所述医学图像依次进行降噪、切割冗余背景、统一尺寸以及标注的预处理后，构建图像集。

3.如权利要求1所述的一种基于半监督与Transformers的医学图像分割方法，其特征在于：所述步骤S20中，所述医学图像分割模型包括一上采样模块、一下采样模块、一CLAB模块以及若干个DenseBlock模块；

所述上采样模块与下采样模块之间设有跳过链接；所述CLAB模块设于跳过链接处；各所述DenseBlock模块穿插在上采样模块和下采样模块内；

所述上采样模块用于医学图像的还原；所述下采样模块用于医学图像的缩小；所述CLAB模块用于对跳过链接处的信息进行过滤，降低噪声干扰，以提升医学图像分割的准确性；所述DenseBlock模块用于学习医学图像中的语义信息；所述跳过链接用于补偿上下采样过程中丢失的语义信息；

所述医学图像分割模型采用Mumford-Shah函数作为损失函数。

4.如权利要求3所述的一种基于半监督与Transformers的医学图像分割方法，其特征在于：所述CLAB模块使用支持向量机的方式对信息进行处理，使用dropout层来对无效信息进行过滤。

5.如权利要求1所述的一种基于半监督与Transformers的医学图像分割方法，其特征在于：所述步骤S20中，所述RL-Transformer使用ResNet中的残差机制将浅层的信息传递到深层，使用Patch Embbeding将原有的信息映射成嵌入向量，再将嵌入向量进行还原成处理过的信息以便在上采样中被还原。

6.一种基于半监督与Transformers的医学图像分割系统，其特征在于：包括如下模块：

医学图像预处理模块，用于获取大量的医学图像，对各所述医学图像进行预处理得到图像集；

医学图像分割模型创建模块，用于基于FC-DenseNet和RL-Transformer创建一U型结构的医学图像分割模型；

医学图像分割模型训练模块，用于利用所述图像集对医学图像分割模型进行训练；

图像分割模块，用于将待分割医学图像输入训练后的医学图像分割模型进行图像分割。

7.如权利要求6所述的一种基于半监督与Transformers的医学图像分割系统，其特征在于：所述医学图像预处理模块具体为：

获取大量的医学图像，对各所述医学图像依次进行降噪、切割冗余背景、统一尺寸以及标注的预处理后，构建图像集。

8.如权利要求6所述的一种基于半监督与Transformers的医学图像分割系统，其特征在于：所述医学图像分割模型创建模块中，所述医学图像分割模型包括一上采样模块、一下采样模块、一CLAB模块以及若干个DenseBlock模块；

所述上采样模块与下采样模块之间设有跳过链接；所述CLAB模块设于跳过链接处；各所述DenseBlock模块穿插在上采样模块和下采样模块内；

所述上采样模块用于医学图像的还原；所述下采样模块用于医学图像的缩小；所述CLAB模块用于对跳过链接处的信息进行过滤，降低噪声干扰，以提升医学图像分割的准确性；所述DenseBlock模块用于学习医学图像中的语义信息；所述跳过链接用于补偿上下采样过程中丢失的语义信息；

所述医学图像分割模型采用Mumford-Shah函数作为损失函数。