一种基于高效多尺度注意力的EMA-TransUNet医学图像分割方法

本发明涉及一种基于高效多尺度注意力的EMA‑TransUNet医学图像分割方法。本发明通过构建分割模型EMA‑TransUNet，组合多尺度特征图以输出具有不同接受域大小组合的特征映射，增强分割模型的多尺度表示；加入跳跃连接模块，使编码器和解码器交叉参与以更有效地保存底层特征，还应用高效多尺度注意力机制EMA获取多层尺度特征图的通道信息和空间信息进行建模，从而提高目标区域特征的权重比。并设置训练策略和损失函数，对模型进行训练；验证已训练好的模型；本发明将Transformer能远程依赖捕捉全局信息的功能与CNN能捕捉更加详细的局部信息的功能进行结合，实现了将病灶部分从医学图像中自动分割。