基于关键模态导向对比学习的不完全多模态脑肿瘤分割方法

本发明公开了一种基于关键模态导向对比学习的不完全多模态脑肿瘤分割方法，包括：1、输入四种不同模态的MRI影像，分别通过两组编码器提取特征，并经过模态代码模拟缺失模态得到FLAIR模态导向组融合特征和T1c模态导向组融合特征；2、构建模态导向对比分支，通过对比学习拉近其他模态与关键模态之间的距离；3、构建多模态分割分支，与模态导向对比分支交替训练，优化分割结果；4、利用训练好的不完全多模态脑肿瘤分割模型并通过丢弃模态导向对比分支对输入的多模态MRI影像数据进行分割。本发明能在医学MRI影像模态缺失的场景下缩小其他模态与关键模态之间的距离，并通过分割结果监督保留关键源信息，从而能提高医学图像分割性能。