一种最优传输与原型对比的半监督域增量医学分割方法

本发明公开了一种最优传输与原型对比的半监督域增量医学分割方法。该方法的具体步骤如下：(1)构建多域医学图像数据集并进行标准化预处理，消除跨设备成像差异；(2)利用傅立叶变换提取图像频域特征，并与空域特征联合构建跨样本联合成本矩阵；(3)基于最优传输理论，采用Sinkhorn算法优化标注数据与未标注数据的全局分布对齐，减少标注依赖；(4)设计域原型动态更新机制，通过指数滑动平均(EMA)平衡新旧域特征权重，构建跨域原型对比损失与类内域对比损失，约束特征分布一致性；(5)训练轻量化分割模型并部署至边缘设备，支持实时增量学习；(6)利用多中心医学数据验证模型跨设备、跨时间泛化能力。本发明能够实现动态医学场景下的图像分割，降低标注成本并缓解灾难性遗忘问题，可辅助临床医生进行跨机构影像协同诊断，提升智慧医疗系统的实用性与普适性。