一种基于多尺度对比学习的涂鸦监督医学图像分割方法

本发明公开了一种基于多尺度对比学习的涂鸦监督医学图像分割方法，涉及医学图像分割技术领域。该方法采用混合的CNN‑ASPP双分支网络结构，无需完全标注的未配对掩码；基于阈值的硬伪标签机制使两个分支相互学习，融合CNN主分支的局部细粒度特征与ASPP辅助分支的多尺度上下文和全局信息，隐式学习全局形状先验知识；通过结合区域损失和边界损失优化的硬伪标签监督，引导图像块级别的对比学习，充分挖掘医学图像中非目标切片的解剖结构信息，从而增强模型对前景和背景区域的区分能力，减少噪声标签的干扰，提升了分割模型的鲁棒性和泛化能力。