基于模糊扩散的高时空通量医学图像数据剪枝优化方法

本发明提供了一种基于模糊扩散的高时空通量医学图像数据剪枝优化方法，属于高时空通量医学图像智能分割技术领域。解决了高时空通量医学数据因动态特征融合不足以及模型复杂度高导致的分割准确率低的技术问题。其技术方案为：包括以下步骤：S1、数据预处理；S2、对输入原始医学图像进行模糊处理，并提取特征；S3、将高斯噪声迭代地扩散到医学图像中；S4、使用去噪剪枝UNet模型对纯噪声医学图像进行迭代的去噪操作；S5、使用证据动态融合模块进行特征动态融合；S6、设计一个不确定融合模块来融合去噪特征和模糊特征图像得到最终的分割图。本发明的有益效果为：分割准确率高，为分割高时空通量医学图像中的病变区域提供决策支持。