基于B-spline样条函数和Transformer的医学图像深度分割方法

本发明提供了一种基于B‑spline样条函数和Transformer的医学图像分割方法，解决了传统MLP在Transformer中，MLP的参数量巨大，且通常不具备可解释性，导致模型泛化能力和表征能力弱的技术问题。其技术方案为：包括以下步骤：步骤一、对输入的医学图像进行预处理；步骤二、使用基于B‑spline样条函数来替代Transfomer中的自注意力机制和前馈神经网络中MLP的权重参数；步骤三、将预处理好的图像数据集输入到基于B‑spline样条函数的编码器和解码器网络中进行训练，得到最优模型；步骤四、训练完成后，将医学图像验证集输入到已经得到的最优模型中。本发明能够更精确地分割病灶，提高了准确率和鲁棒性。