1.一种基于深度学习的肝脏肿瘤CT图像自动分割方法,其特征在于,包括下列步骤:提取待分割CT图像;
利用多尺度特征识别网络,提取所述待分割CT图像的多尺度特征;
所述多尺度特征识别网络包括两个以上的卷积模块,相邻两个卷积模块通过池化模块连接;
每个所述卷积模块包括三个卷积层、一个第一加法器和一个归一化层;
任一个卷积层的空洞率大于等于1;
任一个卷积层的输入端与一池化模块或者导入层连接;
三个卷积层并行,三个卷积层的三个输出端连接至所述第一加法器;
所述第一加法器通过注意力机制通道与所述归一化层连接;
所述归一化层与另一池化模块连接;
每个所述池化模块包括标准卷积层、池化层和减法器,所述标准卷积层和所述池化层的输入端连接同一卷积模块,所述标准卷积层和所述池化层的输出端连接所述减法器,所述减法器与另一卷积模块连接;
所述池化模块的输入通道数量和输出通道数量,满足如下规则:其中,Cout表示池化模块的输出通道数量,Cin表示池化模块的输入通道数量,ΔC表示池化模块的补偿通道数量;
利用注意力机制网络,通过所述多尺度特征识别所述待分割CT图像中的病变区域;
根据识别结果,在所述待分割CT图像中分割出肝脏肿瘤图像。
2.如权利要求1所述的基于深度学习的肝脏肿瘤CT图像自动分割方法,其特征在于,所述待分割CT图像为只包含肝脏区域的CT图像。
3.如权利要求2所述的基于深度学习的肝脏肿瘤CT图像自动分割方法,其特征在于,提取待分割CT图像的过程,包括下列步骤:获取原始CT数据集;
调整原始CT数据集中任一CT图像的窗宽和窗位,标注所述CT图像中的肝脏标签;
根据标记结果,剔除原始CT数据集中不含肝脏标签的CT图像,获得目标CT数据集;
预切割目标CT数据集中任一CT图像,获得待分割CT图像数据集。
4.如权利要求3所述的基于深度学习的肝脏肿瘤CT图像自动分割方法,其特征在于,所述注意力机制网络包括两个以上的上采样模块,相邻两个上采样模块通过残差模块连接,所述上采样模块与所述残差模块数量相同。
5.如权利要求4所述的基于深度学习的肝脏肿瘤CT图像自动分割方法,其特征在于,所述残差模块包括第一卷积层、第二卷积层、第三卷积层、CA注意力机制层以及第二加法器;
所述第一卷积层和所述第三卷积层的输入端分别与上采样模块连接;
所述第二卷积层与所述第一卷积层串联,所述CA注意力机制层与所述第三卷积层串联;
所述第三卷积层和所述CA注意力机制层的输入端均与所述第二加法器连接;
所述第二加法器与另一上采样模块或输出网络连接。