基于TransUNet的甲状腺结节超声图像分割方法及系统

1.基于transunet的甲状腺结节超声图像分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，接收甲状腺结节超声图像进行预处理，并将图像数据划分为训练集、验证集和测试集，具体如下：

3.根据权利要求2所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，cnn-setrans编码器是基于transformer编码器引入se模块，并将se模块与msa模块串联以构建setrans编码器，用于全面提取图像信息，信息提取具体如下：

4.根据权利要求3所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于：所述msa模块是基于自注意力模块，以不同的学习线性投影h次将查询向量(q)、关键向量(k)和值向量(v)投影到dq、dk和dv维度上，然后，在q、k和v的每个投影版本上，并行执行sa，以生成dv维度的输出值，其中sa从输入向量构造q、k和v，上述过程具体表示为：

5.根据权利要求4所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，所述se模块压缩操作及激励操作：

6.根据权利要求4所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，所述ghost模块通过并行机制，使用1×1的点卷积对f进行操作，生成一组新的特征映射g；通过线性投影从g生成更多的特征映射，g’＝l(g)，其中l是一个线性变换；将原始特征映射f和新生成的特征映射g’进行拼接，形成更宽的特征映射[f，g’]。最后将这些加宽的特征映射送入后续的网络层中，用于进行进一步的处理和学习，上述过程具体表示如下：

7.根据权利要求6所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，解码器包含3个阶段，每个阶段包括一个3×3普通卷积和一个深度可分离卷积，每个阶段之间采用转置卷积层增大特征图，所述深度可分离卷积包括一个逐深度卷积和一个逐点卷积组成，其中逐深度卷积独立地对每个输入通道使用一个滤波器进行处理；所述逐点卷积通过1×1的卷积操作来整合逐深度卷积产生的结果；

8.根据权利要求7所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，所述轻量级边界细化模块通过两个3×3的普通卷积、一个激活函数的组合以及残差连接来进一步细化边缘，具体如下：

9.根据权利要求8所述的基于transunet的甲状腺结节超声图像分割方法，其特征在于，总体损失函数为bce loss损失函数和dice损失函数之和，具体如下：

10.一种基于transunet的甲状腺结节超声图像分割系统，其特征在于，包括：