基于改进U-Net网络的多囊卵巢图像分割方法

多嚢卵巢综合征(PCOS)是一种严重危害女性健康的疾病。针对PCOS超声图像存在目标区域对比度低，背景噪声多等问题，提出一种基于改进U-Net网络的多囊卵巢图像分割方法。Nucleic Acid Stains首先，对PCOS图像进行预处理以减少斑点噪声和阴影的影响；然后，通过八度卷积selleck NMR模块降低冗余低频特征图并进行特征融合，并采用分层残差跳连模块弥补U-Net编码器与解码Alpelisib供应商器之间的语义鸿沟；接着，使用PCOS超声图像数据集进行实验；最后，使用包含2 594张皮肤病变图像的公开数据集ISIC2018进行验证实验。所提方法在PCOS超声图像数据集上达到了88.42%分割精度，相比于U-Net提升了4.24%;并在ISIC2018数据集上实现了97.5%的分割精度。实验结果表明，所提方法不仅在多囊卵巢囊泡的分割上有所提升，在鲁棒性方面也有较好的表现，在其他医学图像分割领域有一定的参考价值。