摘要
本发明公开了一种基于缺失模态的多模态图像分割方法、系统、终端及存储介质,所述方法包括:获取目标图像集,将每个样本的每种模态进行单独并行处理,同时结合散度损失、互信息传递以及针对每个样本的所有单模态表示的动态融合,构建出总损失函数以训练模型,最终通过训练的模型输出对目标图像集的分割结果。本发明综合考虑了多模态数据不完整的情况,通过散度损失和高互信息知识传递方法,有效地促进了不同模态之间的特征对齐,提高了跨模态信息传递的精度,使得预测结果与标签之间的差异被有效度量,能够更有效地处理缺失模态,提高了模型在数据不完整情况下的稳定性和准确性。
技术关键词
三维卷积神经网络
图像分割方法
概率密度函数
图像分割系统
最大化方法
样本
模态特征
知识传递方法
编码器
数据
模型训练模块
可读存储介质
特征提取模块
度量
处理器
终端
动态
通道
系统为您推荐了相关专利信息
交互注意力
医学图像分割方法
医学图像分割模型
解码模块
编码模块
干扰控制方法
反射单元
概率密度函数
基站
覆盖率
交流滤波器场
信号去噪方法
电抗器
换流站交流滤波器
概率密度函数