1.基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,包括以下步骤:获取肾脏肿瘤图像数据集,并将数据集划分为训练集和测试集;
构建多尺度动态分割网络模型,利用所述训练集对所述多尺度动态分割网络模型进行训练,完成训练后利用所述测试集对所述多尺度动态分割网络模型进行测试;
输出经过训练及测试的多尺度动态分割网络模型,用于后续的肾脏肿瘤图像分割。
2.根据权利要求1所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,所述多尺度动态分割网络模型包括:主干提取网络、空间增强感受野网络、增强交叉注意力网络以及多尺度动态分割核网络。
3.根据权利要求2所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,所述主干提取网络包括多个金字塔特征结构,用于提取主干特征。
4.根据权利要求3所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,所述空间增强感受野网络包括:空洞卷积层、非对称卷积层以及自校正卷积层,用于对所述主干特征进行增强,得到增强空间特征。
5.根据权利要求4所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,所述增强交叉注意力网络包括十字交叉注意力模块、密集上下文特征模块以及局部强调子模块,用于对所述增强空间特征进行处理,得到多尺度融合特征。
6.根据权利要求5所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,所述多尺度动态分割核网络包括多个动态分割核更新子模块,用于对所述多尺度融合特征进行更新,得到肾脏肿瘤图像分割结果。
7.根据权利要求1所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法,其特征在于,还包括:选取平均骰子相似系数、平均交并比、平均绝对误差、召回率、精确率和Fβ指标来定量评价多尺度动态分割网络模型的性能。
8.一种利用权利要求1‑7任一项所述的基于多尺度动态分割核的肾脏肿瘤图像分割方法的分割装置,其特征在于,包括:获取模块,用于获取肾脏肿瘤图像数据集,并将所述数据集划分为训练集和测试集;
构建模块,用于构建多尺度动态分割网络模型,利用所述训练集对所述多尺度动态分割网络模型进行训练,完成训练后利用所述测试集对所述多尺度动态分割网络模型进行测试;
分割模块,用于输出经过训练及测试的多尺度动态分割网络模型,用于后续的肾脏肿瘤图像分割。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的肾脏肿瘤图像分割方法。