一种基于SEA-Unet的心脏图像分割方法

摘要

本发明属于图像分割技术领域，具体涉及一种基于SEA‑Unet的心脏图像分割方法，包括如下步骤：数据收集：收集相关的心脏公共数据集，该数据集中包含MRI和CT图像，将数据集中图像进行整理形成数据集用于模型的训练和测试；数据预处理：预处理包括归一化、数据切割，统一数据尺度大小等方法，用于保证模型训练效果；分割模型：采用深度学习相关技术搭建分割模型，输入训练数据，完成参数模型的搭建；模型保存：当模型的损失函数不再降低之后，保存模型；性能评估：利用相关的评价指标评估模型生成的样本效果。本发明提高模型对重要特征的提取性能。最后使用空间金字塔池化有效改善网络模型的分割性能，取得更优的分割结果。