摘要
本发明公开了一种基于深度学习的脑肿瘤核磁共振图像分割方法，属于医学图像处理技术领域。本发明实在U‑Net网络的编码路径和解码路径中引入多尺度特征提取模块以增强网络对于脑肿瘤核磁共振图像中多尺度信息的提取和融合能力；同时，在跳跃连接中引入坐标注意力模块以增强网络对肿瘤空间位置信息和通道间依赖关系的建模能力，从而解决医学图像分割任务中常见的细节丢失、小目标分割不准确等问题。此外，针对脑肿瘤数据集中所存在严重的类别不平衡问题，本发明利用混合损失函数来引导模型的训练，使得模型在训练过程中能够更好地学习到多模态脑肿瘤的特征。
