一种基于原型对齐的测试时自适应医学图像分割方法

本发明公开了一种基于原型对齐的测试时自适应医学图像分割方法，包括以下步骤：获取目标域医学图像数据；获取源域模型，所述源域模型包括特征提取器和分类器；利用分类器提取每个类的类原型，并将所述源域模型的特征提取器和分类器初始化两个与所述源域模型结构相同的模型；两个初始化模型分别作为教师模型和学生模型；将目标域图像输入教师模型和学生模型，教师模型输出目标域的伪标签和熵图，学生模型根据伪标签进行监督训练，学生模型输出的目标域原型与源域原型进行对齐；教师模型通过学生模型参数的指数移动平均值进行更新，最终教师模型输出分割结果。本发明能够有效地建立源域和目标域特征的联系，提升跨模态图像分割的精度。