基于边缘感知多原型学习的少样本医学图像分割方法

本发明涉及医学图像分割技术领域，具体为一种基于边缘感知多原型学习的少样本医学图像分割方法，方法包括：将支持和查询图像输入到特征编码器中，提取不同尺寸的支持和查询特征图；输入到局部注意力融合原型生成器中，生成支持前景原型；再通过动态腐蚀操作处理支持掩码，生成内边界原型；通过多层感知机生成多前景局部原型；通过多尺度特征提取优化局部与全局信息，得到多尺度原型；之后进行融合，得到多原型前景原型；利用双阶段原型优化网络对多原型前景原型进行动态计算加权，并进行自动校准；之后通过原型预测模块，进行预测，最后通过损失计算模块进行协同优化；本发明方法能有效解决背景技术中涉及的边缘细节丢失问题。