一种基于无监督深度学习的荧光图像分割方法及自我-群体迭代升级装置

本发明提出了一种基于无监督深度学习的荧光图像分割方法及自我‑群体迭代升级装置，包括：从一台单机或若干台联网的成像装置获取原始荧光图像，在本地或云端构建并训练跨模态医学图像分割网络，训练完成以后，通过将原始荧光图像输入到跨模态医学图像分割网络，准确预测出活体目标图像对应的荧光图像。该方法解决现有活体荧光图像分割效果不理想，噪点多以及缺乏大量专业标注数据集的问题，在提升了荧光图像分割的准确性的同时降低了对标注数据集的依赖。