基于分层交叉关联学习的超声乳腺肿瘤图像分割方法

本发明提出一种基于分层交叉关联学习的超声乳腺肿瘤图像分割方法，该方法包括：对超声图像进行多阶段特征提取；对超声图像多阶段的表示特征进行对齐和融合处理，并结合残差结构进行肿瘤边界特征学习；对超声图像多阶段的表示特征进行对齐和融合处理，并利用残差结构进行增强和学习；对融合后的多尺度肿瘤边界特征和融合后的多尺度肿瘤分割特征利用分层交叉注意力机制进行关联建模，结合增强后的肿瘤分割特征进行解码，得到肿瘤分割预测图。本发明利用边界感知融合模块，在特征学习过程中显式强化对肿瘤边界区域的感知能力，显著缓解了传统方法中边界模糊、定位不准的问题，提升了肿瘤轮廓提取的精细度与连贯性。