一种基于边缘先验信息和多模态融合的弱监督医学图像分割方法

本发明公开了一种基于边缘先验信息和多模态融合的弱监督医学图像分割方法，按照以下步骤进行：S1：根据原图和标签的对应关系，利用计算高效且准确的边缘检测算子提取原图的边缘信息；S2：利用图像的类别标签构建文本提示，根据图像特征和文本提示特征的相似度得到分类分数。利用反向梯度传播加权融合生成类激活图，然后与边缘信息融合得到伪标签；S3，利用交错学习网络架构和知识蒸馏策略，根据双辅助网络输出的一致性，监督主网络的训练；并分别在T‑softmax操作前对教师网络和学生网络的预测进行Z‑score标准化，提高学生网络的学习能力。相较于传统方法，本发明所需标注数据大幅减少，显著降低标注成本，为医学图像分割领域提供一种高效、经济的解决方案，具有广阔的应用前景。