一种基于分层知识图谱的渐进式蒸馏用于提高医学图像分割中小目标敏感度的方法

本发明提出了一种基于分层知识图谱的渐进式蒸馏用于提高医学图像分割中小目标敏感度的方法，步骤为：根据医学文献中实体间的关系构建分层的医学知识图谱；利用预训练的深度学习模型提取CT图像的图像特征并量化为特征向量，将特征向量添加到分层的医学知识图谱的节点中；构建分割模型，包括用于大目标分割的基础网络、用于中等目标特征提取的中层特征增强模块、用小目标特征提取的细节注意力模块和多尺度融合模块；利用增加了特征向量的分层的医学知识图谱对分割模型进行从大目标到小目标的渐进式训练；利用训练好的分割模型对实时采集的医学图像进行处理，得到小目标分割结果。本发明不仅实现了大、中、小目标分割性能的均衡优化，还增强了模型的可解释性、可靠性和在复杂医学场景下的泛化能力。