摘要
一种用于病变图像分割的多尺度并行深度神经网络模型构建方法,对采集到的图片进行数据增强预处理并划分为训练集和验证集;将VGG11网络的卷积部分作为Unet网络的特征提取部分,将训练集输入到特征提取部分;在特征提取过程中,每一层的输出结果一方面向更下层卷积,另一方面通过编码器特征融合模块获得更多语义信息;特征提取向下卷积结束,与编码器特征融合中通道数相同的尺度相同的对应输出拼接融合,每个解码器特征融合模块输出的结果通过卷积得到每个像素是否为目标像素的概率;把各个尺度的概率进行融合相加,得到最终输出概率;训练神经网络。本发明能够充分利用病变图像的语义信息和局部信息,最终实现病变图像的分割。