摘要
本发明提出一种基于卷积神经网络的胎儿小脑超声图像分割方法,包括如下步骤:处理数据集,将数据集按照8:2的比例随机划分为训练集和测试集,并进行图像增强;搭建FCRB‑U‑Net网络模型,采用全连接残差模块替代双卷积操作,并在有效注意力模块的监督下提取图像特征,在解码器端添加特征重用模块,实现深层特征的传播与复用;在训练集上,对FCRB‑U‑Net进行训练,执行分割任务并生成分割模型;在测试集上测试模型,根据测试的结果,选择出性能最优的模型为最终模型,并保存下来。本发明能够提取到更加全面、有效的特征,引入少量的参数即可较高的提升模型性能,快速准确的分割出胎儿小脑,可以辅助医生诊断。