摘要
本发明公开了一种基于双重Encoder‑Decoder结构的脑卒中病灶区域分割方法,首先获取脑部3D‑MRI图像,对图像数据进行预处理,获得待分割的2D脑部切片图;搭建深度学习分割模型,使用训练集训练分割模型;利用训练好的分割模型对图像数据进行图像分割,得到与图像对应的脑卒中病灶区域分割结果;其中所述分割模型为具有双重Encoder‑Decoder结构的深度学习分割模型,该结构在Encoder‑Decoder结构基础上进行延伸并结合多重跳跃连接,使浅层特征与深层特征信息进行多重深度融合,达到对目标区域的逐步定位和不断细化。本发明方法搭建的模型结构简单,抗干扰能力强,能够很好的拟合脑卒中病灶的不规则边界,对于细小的病灶也可以识别并进行精确的分割,在提升分割精度的同时还降低了病灶的遗漏率。