医学图像可合成分解的解剖一致性自监督学习方法及系统

本发明提供了一种医学图像可合成分解的解剖一致性自监督学习方法及系统，方法包括步骤S1：使用基于网格划分的图像裁剪策略，生成随机图像裁剪块；步骤S2：根据图像裁剪块依次进行全局一致性学习和局部一致性学习；步骤S3：整合全局一致性与局部一致性的学习结果，使用总损失函数捕获医学图像的多层次信息并优化模型性能。本发明通过学习解剖结构中的全局和局部一致性，从未标注的医学图像中提取出了具有层次化的嵌入特征，ACE框架通过结合全局特征的粗粒度学习与局部特征的细粒度建模，提供了强大的表征能力，能够在下游任务中展现优异性能。