基于2.5D跨模态协同学习网络的多模态脑卒中病灶分割方法

本发明属于医学图像分割技术领域，公开了一种基于2.5D跨模态协同学习网络的多模态脑卒中病灶分割方法，具体技术方案为：处理数据集，构建训练数据集；基于U‑Net的结构来设计整体网络，采用多编码单解码模型，多编码端包含对相邻三切片的独立特征和切片间的相关性进行提取；利用跨模态特征交互模块，在分割网络的编码阶段自适应地、有效地融合和细化多模态特征；基于时域信息开发的4层卷积长短期记忆网络模块提取切片间相关性。本发明解决了在编码过程中对于不同模态之间的复杂和非线性互补信息的融合问题，使用多切片数据代替3D数据，实现了比2D网络更好的分割性能，同时与3D网络相比，需要更少的计算复杂度和计算时间。