一种基于深度学习的卵巢交界性肿瘤病灶分割方法

本发明公开了一种基于深度学习的卵巢交界性肿瘤病灶分割方法，属于图像分割领域。方法包括：获取由多家医院卵巢交界性肿瘤病灶的MRI图像组成的数据集；对所述数据集中的样本进行预处理和随机变换增强，得到含有若干目标样本的数据集；将若干所述目标样本输入至SegNet+图像分割网络，训练得到肿瘤分割模型；其中，所述SegNet+图像分割网络含有编码器、注意力模块和解码器。本方案集成传统卷积神经网络与注意力机制，在经典SegNet基础上增加位置和通道注意力机制，强化BOTs特征表示，实现BOTs病灶的像素级精准分割。