一种基于深度学习的髁突CBCT医学图像分割方法

本发明提供一种基于深度学习的髁突CBCT医学图像分割方法，涉及医学图像分割技术领域，具体步骤包括：从待诊患者的原始CBCT图像中裁切出髁突图像，同时收集患者的原始临床数据并转换为临床特征向量，将编码器的多尺度特征与解码器的多尺度特征进行合并，得到融合特征，利用多模态融合模型，得到分割概率图，应用边缘检测算法提取分割边界，并识别和连接断裂端点，获得连续闭合的髁突分割掩码，将髁突分割掩码与原始CBCT图像逐点乘积，得到优化的髁突图像。本发明通过精确标记断裂端点、构建距离变换图及采用最短路径搜索算法，既保留初始轮廓的精准性，又达到了完整闭合的要求，避免了修复后边界与真实生理形态脱节。