一种基于困难样本挖掘掩码自编码器的医学图像分割自预训练方法及系统

本发明公开了一种基于困难样本挖掘掩码自编码器的医学图像分割自预训练方法及系统，包括收集多名受试者的全身CT扫描图像，对CT扫描图像进行预处理，获得多张大小相同的三维子图像；对具有注意力机制的深度学习模型HPM中进行自预训练，深度学习模型HPM包括块嵌入层、位置嵌入层、一个学生VIT网络和一个教师VIT网络；训练结束后，通过将学生VIT网络的编码器连接UNETR解码器，构建分割网络模型；对分割网络模型进行训练，训练完成后将新的三维子图像输入分割网络模型，最终输出为42类分割结果。本发明通过困难样本挖掘和自预训练机制，能够提高医学图像分割的准确性。