摘要
本申请公开了一种基于对比流形正则化的医学图像分割方法及相关装置。该方法包括:导入医学图像数据并完成预处理后,计算样本间相似性以构建流形正则化项;对数据进行特征分解与增强,获取解剖结构特征、病理语义特征及其增强版本;针对每一样本,将同一样本的原‑增强特征对作为正样本、不同样本特征交叉组合作为负样本,计算对比损失项;将流形正则化项与对比损失项动态加权求和,形成动态对比流形正则化项;以此训练图像分割模型并获取权重,进而实现精准分割。本发明通过融合流形结构与跨样本对比约束,显著提升小样本场景下的图像分割精度、鲁棒性与泛化能力,同时降低对大量标注数据的依赖。
技术关键词
语义特征
图像分割模型
医学图像分割方法
样本
医学图像数据
拉普拉斯
动态
图像分割精度
计算机程序产品
计算机程序代码
存储单元
可读存储介质
矩阵
指令
处理器
电子设备
系统为您推荐了相关专利信息
边界特征
乳腺肿瘤图像
残差结构
多阶段
分割方法
皮肤纹理特征
图像
面部特征
卷积神经网络模型
样本
多模态融合方法
多模态情感分析
融合特征
模态特征
交叉注意力机制
缺陷分类方法
多模型
干扰特征
深度学习模型
条纹