一种基于U-Net网络的视网膜层和病灶联合分割方法

本发明涉及图像处理技术领域，公开了一种基于U‑Net网络的视网膜层和病灶联合分割方法，在编码器与解码器之间设置了并行多尺度特征融合模块，通过特征混洗打破第N层编码特征的通道固有关联，促进跨通道信息交互，避免单一通道特征局限；随后基于特征通道进行分离，获取第一、第二通道特征，分别进入独立的多尺度图特征融合单元，进行并行处理，确保不同特征分支能针对性捕捉多尺度信息，生成对应的融合特征输入并行解码模块，获取坐标注意力特征与空间注意力特征，进行分割获取分割结果；本发明通过并行处理，既保留了特征多样性，又基于差异化处理提供互补性特征，提升了特征对复杂医学图像的描述能力，有效减少边界误分割、病灶假阳性。