基于跨图像学习和形状融合的半监督医学图像分割方法

本发明公开基于跨图像学习和形状融合的半监督医学图像分割方法，涉及计算机视觉与数字图像处理技术领域。所述方法包括：对原始医学图像进行预处理，并将预处理数据输入第一分支网络中进行分割预测，并通过形状融合模块得到形状先验数据。将得到的形状先验数据与预处理数据进行拼接，并输入第二分支网络中进行分割预测，得到特征图；对特征图进行基于图像原型的跨图像预测计算，进而计算跨图像一致性损失；基于跨图像一致性损失、交叉熵损失和DICE损失计算全过程损失，利用全过程损失对各分支网络进行训练，并利用训练好的网络模型对待测图像进行分割。本发明通过强调图像间的信息交互和特征之间的关联，有助于增强和突出相关特征，提高对新、未见图像的泛化能力，进而提高分割准确率。