一种基于对比引导扩散模型的半监督MRI脑肿瘤分割方法

本发明提出了一种基于对比引导扩散模型的半监督MRI脑肿瘤分割方法，属于图像分割领域。在步骤S1中，对BraST2018数据集的T1序列数据进行切片处理，并对不含肿瘤的切片数据进行部分遮挡；在步骤S2中，生成病灶与健康图像数据对，使用脑肿瘤样本掩膜构建最小外接矩形遮挡，将病灶区域还原为健康组织；在步骤S3中，通过S2所得数据对，利用对比信息引导扩散模型进行去噪，生成病灶标签。此后，用有标签数据进行预训练，并对无标签数据通过预训练模型生成伪标签，然后与标记数据一同带入模型进行再训练过程；在步骤S4中，使用结构性对比损失，提升模型在伪标签置信度不足情况下的信息挖掘能力；在步骤S5中，仅用少量标记数据进行训练和验证。本发明通过构建一种基于对比引导扩散模型的半监督分割方法，在仅需少量标记数据的前提下，实现了MRI脑肿瘤的病灶分割。该方法解决了传统深度学习分割方法过度依赖大量标记数据的问题，提高了模型在少量标记数据条件下的分割性能。