一种基于改进SwinUNet的医学图像分割方法

本发明涉及医学图像分割技术领域，尤其涉及一种基于改进SwinUNet的医学图像分割方法。其技术方案包括以下步骤：采集腹部或心脏区域的CT/MRI医学影像数据，并进行预处理，所述预处理包括图像灰度归一化、尺寸重采样至224×224及增强处理；将预处理后的医学影像划分为图像补丁块，通过线性嵌入形成初始特征表示。本发明通过上述改进，在分割精度、鲁棒性、边界处理及临床适用性等方面均优于传统卷积神经网络或基础SwinUNet模型，有效解决了现有方法存在的边界不连续、小目标识别差、跨层语义对齐不足等问题，为医学图像自动化分割提供了更可靠的方案，具有显著的临床应用价值。