基于UNet和可变形卷积获取多尺度特征融合的甲状腺图像分割方法及系统

本发明公开了一种基于UNet和可变形卷积获取多尺度特征融合的甲状腺图像分割方法及系统，属于医疗图像处理和计算机视觉技术领域。本发明在UNet网络架构中引入可变形卷积和多尺度注意力特征融合模块的模型DAmUNet，在编码器和解码器中采用可变形卷积代替传统卷积，在编码器最深层，采用多尺度注意力特征融合模块，以编码器不同分辨率的编码特征作为输入，通过双输入通道注意力机制对最深层编码特征进行通道加权生成融合特征；将融合特征作为解码器输入，最终得到甲状腺区域的像素级分割结果。本发明有效提升了分割精度与鲁棒性，在Dice、IoU等指标上表现优异，可广泛应用于甲状腺体积计算与术前评估等场景。