一种基于注意力Unet模型的医学图像语义分割方法

摘要

本发明公开一种基于注意力Unet模型的医学图像语义分割方法，包括以下步骤：S1、对图片进行预处理，包括图像的裁切、偏差校正、增强；S2、将处理后的图片输入Unet模型，Unet模型包括特征提取部分、上采样部分，在上采样部分的可分离卷积操作中均进行全局范围注意力筛选；S3、使用准备好的数据对Unet模型进行训练；S4、评估Unet模型的分割效果。本发明利用PA机制对底层细粒度特征进行局部范围注意力筛选，利用DA机制对高层语义特征进行全局范围的注意力筛选，减少假阳问题和漏检问题。