一种基于TransUNet模型的多中心儿童X线胸片图像肺部分割方法

摘要

本发明公开了一种基于TransUNet模型的多中心儿童X线胸片图像肺部分割方法，包括：(1)收集多中心的儿童X线胸片图像并进行预处理；(2)将数据划分为训练集、验证集和测试集；(3)构建分割模型，分割模型在UNet的基础上加入了Transformer层，包括三次下采样、线性层、Transformer层、上采样四个部分；(4)将训练集送入到构建的分割模型中进行训练，利用验证集对分割模型的性能进行评估，根据评估的效果对模型的超参数进行调整，通过反复训练、验证，最终得到性能达标的分割模型；(5)将待分割的多中心儿童X线胸片影像输入训练好的分割模型中，从而智能分割出肺部区域。本发明的方法，结合了Transformers与UNet两种网络的优点，具有较高的分割精度和效率。